사이트맵 ×

토탈산업
현대보테코

기술과 솔루션

엠쓰리파트너스
hnp인터프라
휴먼텍
한국마쓰이
기사제목
10.1 고분자 재료의 복굴절 고분자 재료의 복굴절 특성은 분자의 구조와 성형 및 가공 조건에 큰 영향을 받는다. 먼저, 벤젠환과 같이 분극률이 큰 치환기가 포함된 고분자는 강한 분극 이방성을 가지고 있기 때문에 복굴절이 쉽게 발현된다. 그러나 고분자가 완전히 무정형 상태로 존재하고, 분자 배열이 무작위로 유지되는 벌크 상태에서는 미시적으로 등방성이 나타나기 때문에 복굴절이 관측되지 않는다. 한편, 고분자 재료는 성형이나 가공 과정에서 전단응력을 받게 되며, 이로 인해 분자가 특정 방향으로 배열되는 유동 배향이 발생하여 결과적으로 복굴절이 유도된다. 특히 PC나PS와 같은 고분자는 높은 분극률 이방성으로 인해 복굴절이 더욱 뚜렷하게 나타나는 경향이 있다. 10.2 UV 경화 수지의 복굴절 분자는 고유의 복굴절 특성을 가지고 있으므로 이를 완전히 제로로 만드는 것은 쉽지 않다. 그러나 복굴절을 가진 분자가 완전히 random 형태로 존재할 경우, 이방성이 발현되지 않아 복굴절은 나타나지 않는다고 볼 수 있다.일반적인 고분자 필름 재료에서는 성형 공정 중 필연적으로 응력이 발생하므로, 분자 배향에 의한 복굴절 외에도 응력 복굴절이 함께 작용하여 전체 복굴절은 커지는 경향이 있다.  그러나 UV 경화 수지의 경우 경화물에서 복굴절이 거의 관측되지 않으며, 분자구조와도 거의 상관성을 보이지 않는다. 이는 UV 경화와 같은 성형 공정에서는 액상의 모노머가 무작위 상태로 경화되기 때문에, 형성된 고분자의 배열에 이방성이 거의 존재하지 않고, 따라서 복굴절도 발생하기 어려운 것으로 생각할 수 있다. 11. 맺음말 UV 경화 기술은 빠른 경화 속도와 에너지 효율성을 바탕으로 다양한 산업 분야에서 중요한 기술로 자리 잡고 있다. 이 기술의 핵심은 모노머, 올리고머, 광 개시제 등 구성 요소의 화학적 구조와 조성을 정밀하게 제어하여 최종 경화물의 하는 데 있다. acrylate계 모노머, 에폭시 및 우레탄 아크릴레이트 올리고머 등 다양한 구성 요소의 선택과 조합을 통해 기계적 강도, 내열성, 유연성 등 광범위한 물리적, 화학적 특성을 구현할 수 있다.  특히 렌즈, 디스플레이 등 정밀 광학 부품 분야에서 UV 경화 수지의 굴절률 제어는 매우 중요한 설계 요소이다. 분자 굴절과 분자 부피의 관계를 이해하고, 방향족기, 지환식 구조 등을 분자 내에 도입함으로써 목표 굴절률을 달성하기 위한 분자 수준의 설계가 요구된다. 그러나 고 굴절화는 파장 분산이나 투명도 등 다른 광학 특성과의 균형을 필요로 하며, UV 조사량이나 온도와 같은 공정 변수 또한 최종 굴절률에 영향을 미치므로 복합적인 고려가 필요하다.  이와 같은 이유로 UV 경화 수지는 물성 설계를 바탕으로 하여 앞으로 더욱 다양한 산업 분야에서의 응용이 기대된다.      
편집부 2025-11-13
기사제목
  6. 광 개시제  UV 경화 기술은 광 개시제를 이용해 빛에너지를 화학반응으로 전환하는 중합 방식으로 라디칼 경화계, 양이온 경화계, 음이온 경화계의 3가지 주요 경화 메커니즘으로 나눌 수 있다. 이 중 가장 널리 사용되는 방식은 라디칼 경화계로 UV 광 흡수에 의해 자유(free) 라디칼을 생성하는 광 개시제를 통해 (meth)acrylate와 같은 C=C 이중결합을 갖는 모노머의 중합이 진행된다. 라디칼 경화는 반응속도가 매우 빠르고, 열경화가 불필요하여 공정효율이 높으며, 재료의 다양성과 조성 설계의 유연성 덕분에 산업적으로 널리 사용된다. 그러나 공기 중 산소가 라디칼을 포착하여 경화를 방해하는 단점이 있다. 양이온 경화계는 산소의 방해를 받지 않으며, 경화 수축이 작고 기재와의 접착성이 뛰어난 특징이 있다. 이 방식은 UV 광에 의해 Brønsted acid 또는 Lewis acid를 생성하는 광 개시제를 이용하며, 에폭시, 옥세탄, 비닐 ether와 같은 고리형 ether가 모노머로 사용된다. 다만 재료 선택의 폭이 라디칼계에 비해 제한적이며, 수분에 민감한 단점이 있다. 그럼에도 불구하고 실용화된 감광성 재료 중 일부는 이 양이온 경화계를 기반으로 하고 있다. 음이온 경화계는 광 개시제를 통해 염기를 발생시켜 반응을 유도하지만, 현재까지 안정적이고 효율적인 개시제는 거의 없어 상업적 응용은 거의 이루어지지 못한 상태이다. 6.1 요구 특성 광 개시제는 UV 경화 특성이나 최종 생성물 물성을 결정하는 중요한 요인 중 하나로서 그 선정이 매우 중요하다. 광 개시제를 선정할 때 고려해야 할 주요 사항들은 다음과 같다. • 광원 스펙트럼과 광 개시제 감광 파장영역의 중첩• 조성물 내에 포함된 안료 등의 흡수 파장대와 광 개시제의 흡수 파장대의 위치 관계• 활성종(라디칼, acid)을 생성하는 능력으로 광반응 양자 수율 및 몰 흡광계수• 생성된 활성종의 반응성• 중합 방해 작용(산소, 수분 등)• 모노머 및 올리고머의 상용성• 저장 안정성 및 암반응 유무• 황변이나 착색 특성• 휘발성 및 냄새 UV 경화 공정에 있어 광 개시제가 관여하는 부분은 빛 흡수, 활성종 생성, 활성종에 의한 중합 개시이다. 그 이후의 중합 과정은 주로 모노머 간의 반응으로 진행되며, 일반적으로 광 개시제는 이 단계에 직접 관여하지 않는다. 경화를 개시하는 활성종의 생성량은 광 개시제가 흡수한 광량과 광반응의 양자수율에 의해 결정된다. 이러한 관점에서 광 흡수는 매우 중요한 요소이며, 광원의 발광 스펙트럼과 광 개시제의 흡수 스펙트럼이 중첩하는 크기가 중요하다. 수은 램프나 메탈할라이드 램프와 같이 넓은 파장 범위에 걸쳐 발광하는 광원을 사용할 경우, 다양한 흡수 파장을 가진 광 개시제의 선택이나 배합 조건의 최적화가 비교적 용이하다. 그러나 최근 사용되고 있는 고출력 UV-LED 노광기는 좁은 발광 파장영역을 가지고 있으므로, 해당 특정 파장영역에 적합한 감광 특성을 지닌 광 개시제의 선택이 필수적이다. 조성물 측면에서 안료와 같은 착색제를 함유하는 경우, 착색제의 빛 흡수로 인해 광 개시제가 흡수할 수 있는 광량이 저하될 수 있다. 이러한 착색제의 흡수 영향을 가능한 감소시키고 효과적인 UV 광 흡수를 위해서 착색제의 투과율이 높은 파장영역에서 효과적인 흡수를 가지는 광 개시제를 사용하는 것이 바람직하다. 색상에 따라 흡광계수가 낮은 파장영역이 다르기 때문에, 각각의 색상에 적합한 흡수 특성을 가지는 광중합 개시제의 선택이 필요하다. 당연히 활성이 높은 개시종을 효율적으로 생성하는 개시제를 선택하는 것도 중요하다. UV 경화를 진행하는 경우, 그 조건에 따라 경화 방해를 받는 경우가 있다. 라디칼 경화에서는 산소에 의한 경화 속도 저하가 주로 문제가 된다. 이것은 산소가 여기된 삼중항 상태의 개시제를 소광하거나, 생성된 라디칼을 소거하는 라디칼 포착제(scavenger)로서 작용하기 때문이다. 특히 단위 부피당 표면적이 큰 박막의 경우, 산소의 영향이 더욱 현저하게 나타나므로, 산소 방해가 문제가 되는 경우에는 적절한 대책 마련이 필요하다. 한편, 광 개시제의 2차적 특성에 관련된 것으로, 광 개시제는 광 경화 과정뿐만 아니라 광 경화 전 조성물의 상태나 경화 후 형성된 도막의 특성에도 영향을 미친다. 예를 들어, 투명한 조성물에서는 광반응 전후의 도막에 잔존하는 개시제로 인한 황변 또는 착색이 발생하지 않아야 하며, 경화 후의 도막이 장기간 빛이나 열에 노출되었을 때도 색 변화가 발생하지 않아야 한다. 6.2 광 개시제의 종류와 특징 6.2.1 라디칼계 광 개시제 (1) 아세트페논(acetophenone)계 광 개시제 광 개시제가 빛에 의해 활성종을 생성하는 기구는 크게 단분자 내부 반응을 이용하는 타입 I과 분자 간 반응을 이용하는 타입 II로 분류된다. 가장 널리 알려진 단분자 광반응은 아세토페논과 같은 방향족 carbonyl 화합물의 Norrish I형 α-개열(cleavage) 반응이며, 현재 실용화되어 있는 라디칼계 광 개시제의 상당수가 이 타입에 속한다. 아세토페논류는 광 흡수에 의해 생성된 nπ* 최저 여기 삼중항 상태에서 그 여기에너지보다 작은 결합에너지를 가지는 carbonyl기와 α-탄소 간의 결합이 라디칼적으로 절단되는 α-개열을 통해 벤조일(benzoyl) 라디칼과 알킬 라디칼을 생성한다. 이 개열 반응의 속도는 일반적으로 α-위치 치환기의 종류와 수에 크게 영향을 받는다. 치환기의 수가 많을수록, 그리고 α-탄소의 전하밀도를 높이는 전자공여성기가 도입될수록 반응속도는 현저하게 증가한다. 따라서 현재 시판되고 있는 다수의 아세토페논계 광 개시제는 α-위치에 하나 또는 두 개 이상의 산소나 질소와 같은 헤테로 원자, 또는 벤젠환과 같은 방향족 고리를 치환기로 가지고 있다.아세토페논계 광 개시제의 흡수 특성은 그 발색단의 구조에 의해 크게 바뀌며, 벤젠환에 적당한 치환기를 도입함으로써 흡수 파장을 장파장 영역으로 이동시킬 수 있다. 시판되는 일부 아세토페논계 개시제는 400㎚ 부근까지 감광성을 나타내기도 한다. 현재 가장 널리 사용되고 있는 아세토페논계 광 개시제 중 하나는 벤질케탈류로 매우 높은 광개열 효율을 가진다. 또한 α-개열에 의해 벤조일 라디칼과 함께 생성되는 디메톡시벤질 라디칼은 계속해서 일어나는 열적 개열 반응을 통해 반응성이 높은 메틸 라디칼을 추가로 생성하므로, 전체적인 중합 개시 능력이 매우 우수하다. 감광성 조성물의 pot-life는 길지만 황변을 유발하는 단점이 있어 투명 재료에 사용은 제한적이다. α-하이드록시 아세토페논류는 광 반응성이 높고, 노광 조건의 최적화를 통해 뛰어난 표면 경화성을 실현할 수 있다. 이 개시제는 분자 내에 hydroxyl기를 가지고 있어 에멀젼이나 수분산계와 같은 수계 잉크나 수용성 조성물에 적용이 용이하다. 빛에 의한 황변이 거의 없기 때문에 특히 투명 감광재료에 적합하다. 올리고머나 다이머 구조를 가진 개시제는 분자량이 커서 광분해 생성물의 휘발성, 취기, 그리고 이행성의 문제를 줄일 수 있다. 또한 극성이 높은 하이드록시 에톡시기를 벤젠환에 가진 개시제는 휘발성이나 냄새에 우수한 특성을 보인다.  그러나 시판되는 α-하이드록시 아세토페논류나 벤질디메틸케탈은 300㎚ 이상의 장파장 영역에서 몰흡광계수가 작아, UVA 영역의 빛에 대한 경화 특성이 상대적으로 높지 않다. 장파장 영역에 흡수하는 성분을 함유하지 않는 투명 감광재료의 경우 사용조건을 최적화하여 충분한 경화 특성을 얻을 수 있지만, 안료와 같은 착색제나 비교적 장파장에 흡수를 가지는 수지 성분을 함유하는 감광성 조성물의 광 경화에는 적합하지 않은 경우가 많다. 이러한 약점을 극복하기 위해 개발된 것이 α-아미노 아세토페논계 개시제이다. α-아미노 아세토페논계 개시제는 벤젠환에 알킬티오(alkylthio)기나 아미노기와 같은 조색단을 도입하여 광 반응성을 크게 떨어뜨리지 않으면서 흡수 파장을 장파장 영역으로 이동시키는 데 성공하였다.  α-아미노 아세토페논은 티옥산톤, 아미노벤조페논, 케토쿠마린 유도체 등에 의해 효율적으로 분광 증감될 수 있으며, 이 과정의 주된 기구는 삼중항-삼중항 에너지 이동이다. 증감반응 시, 먼저 증감제가 특정 파장의 빛을 흡수하여 여기 상태에 도달한 후, 바닥 상태의 광 개시제로 에너지를 전달한다. 이 에너지를 전달받은 광 개시제는 여기 상태로 전환되어 직접 광 흡수를 통해 여기된 상태와 동일한 경로로 개열 반응을 진행시켜 라디칼을 생성한다.분광 증감의 효과는 UV 영역에 강한 흡수를 보이는 이산화티탄(TiO2​)을 함유한 백색 lacquer의 UV 경화에서 명확히 나타난다. 이 시스템에서 α-아미노 아세토페논 단독으로는 충분한 경화 속도를 얻기 어렵지만 ITX(2-Isopropylthioxanthone)를 첨가하면, TiO2​ 흡수가 상대적으로 적은 400㎚ 부근의 빛을 ITX가 효과적으로 흡수하고 그 에너지를 개시제로 전달하여, 결과적으로 경화 속도를 현저하게 향상시킬 수 있다. (2) 아실포스핀 옥사이드(acylphosphine oxide)계 광 개시제 아세트페논 구조를 갖지 않는 α-개열형 광중합 개시제로 모노아실포스핀옥사이드(MAPO)와 비스아실포스핀옥사이드(BAPO)가 대표적인 아실포스핀 옥사이드계 광 개시제이다. 이들 개시제는 아세트페논류와 유사하게 α-개열 반응을 통해 벤조일 라디칼과 포스피노일(phosphinoyl) 라디칼을 생성한다. 아실포스핀 옥사이드계 개시제는 350~400㎚ 이상의 가시광선 영역에서도 감광성을 나타내며, 이는 아세트페논계 개시제로는 충분한 흡수를 얻기 어려운 영역이다. 이러한 흡광 특성 덕분에 아실포스핀 옥사이드는 뛰어난 내부 경화성을 제공하여 후막 경화 용도에 적합하다. 그러나 아실포스핀 옥사이드는 산소 방해에 취약하여 표면 경화성이 문제가 될 수 있으며, 이 경우 표면 경화성이 우수한 α-하이드록시 아세트페논과 병용하여 경화 특성을 현저히 개선할 수 있다.한편, 아실포스핀 옥사이드는 아세트페논계 개시제와 달리 광 개열 전후로 발색단 구조의 변화가 크기 때문에 광표백(photo-bleaching) 현상과 같은 흡수 스펙트럼의 단파장 이동을 특징적으로 나타낸다.(3) o-아실 옥심(o-acyl oxime)계 광 개시제 o-아실 옥심류는 광분해를 통해 높은 양자수율로 활성 라디칼을 생성하는 광 개시제이다. 기존 아실 옥심은 300㎚ 이상 UV 영역에서 흡수가 미약하여 장파장 노광이 필요한 착색 감광성 재료에 적용하기 어려웠다. 그러나 칼라필터 레지스터용 고감도 광 개시제로 새로운 o-아실 옥심 개시제가 개발되어 장파장 영역에서 유효한 흡수를 보여 365㎚ 수은 램프 광원에 감광성을 갖게 되었다.4) 티타노센(titanocene)계 광 개시제 티타노센계 광 개시제는 시판되는 개시제 중 가장 넓은 감광 파장영역을 가지며, UV 영역부터 550㎚까지 넓은 흡수 스펙트럼을 보인다. 이러한 특성에 의해 다양한 광원에 대응이 가능하여 주로 가시광선 경화 용도로 사용되지만, 400㎚ 이하에서도 효과적인 흡수와 높은 광 개시 능력을 바탕으로 UV 파장에서도 우수한 광 경화 특성을 나타낸다. 단점으로 산소 방해에 비교적 약하며, 가시광선에 대한 감도가 있기 때문에 취급에 주의를 필요로 한다.(5) 2분자 반응형 광 개시제 (5-1) 분자 간 수소 탈취형 광 개시제분자 간 수소 탈취형 광중합 개시제는 벤조페논과 같은 방향족 carbonyl 화합물과 수소공여체 간의 수소 탈취 반응, 또는 전자이동 후 양성자 이동을 통해 라디칼을 개시하는 시스템이다. 특히 3급 아민을 수소공여체로 활용할 경우, 여기된 삼중항 상태의 carbonyl 화합물로 아민으로부터 전자가 이동하고 이어지는 양성자 이동을 통해 케틸(ketyl) 라디칼과 아미노 알킬 라디칼이 생성된다. 이때 생성된 아미노 알킬 라디칼이 acrylic acid ester와 같은 모노머의 중합을 개시한다. carbonyl 화합물로는 벤조페논 외에 티옥산톤이나 케토 쿠마린이 사용되며, 전형적인 아민 수소공여체로는 N, N-디알킬아닐린 구조의 디메틸아미노안식향산 알킬 ester, 비스(디에틸아미노)벤조페논, 트리에탄올아민, 메틸디에탄올아민 등이 있다.이 개시계의 감광 파장은 방향족 carbonyl 화합물의 흡수 특성에 의해 결정된다. 예를 들어, 티옥산톤-아민 시스템은 티옥산톤의 흡수가 400㎚ 이상까지 확장되어 UVA 영역에 충분한 감광성을 나타낸다.  (5-2) 분자 간 전자 이동형 광 개시제광 여기 전자이동을 이용한 2성분계 라디칼 생성 광 개시 시스템이 광범위하게 연구되고 있다. 개시제가 광 여기된 증감제로부터 전자를 받거나 증감제에 전자를 제공하는 중간체를 통해2차 반응으로 라디칼을 생성하여 모노머 중합을 개시한다.보레이트(borate)계 화합물은 전자수용성이 높은 색소 증감제와 조합될 때 광조사에 의해 효율적으로 라디칼을 생성한다. 이때 보레이트 음이온으로부터 활성화된 증감제로 전자가 이동하며, 이어서 생성된 붕소 라디칼의 분해를 통해 알킬 라디칼이 발생한다. 티옥산톤이나 그 유도체, 또는 다양한 색소를 보레이트와 조합하여 UV 영역부터 가시광선 및 근적외선 영역까지 넓은 광원에 대응할 수 있다.6.2.2 양이온계 광 개시제 양이온 경화형 광 개시제는 빛을 받아 강산을 생성하여 양이온 중합을 개시하는 물질이며, 이 중에서도 오늄염 화합물, 특히 디아릴요드늄염과 트리아릴술포늄염이 실용적으로 널리 사용되고 있다. 이러한 오늄염은 빛을 받아 분해되며 Brønsted산을 생성하고, 이 산이 에폭시나 옥세탄 등의 모노머에 작용하여 중합반응을 유도한다. 즉, 광 개시제가 광 분해되며 생성한 산이 실질적인 중합 개시종으로 작용하는 구조이다. 기존의 무치환 벤젠 고리를 갖는 오늄염은 광분해에 의해 독성이 높은 벤젠을 생성하고, 안티몬이나 비소 등 유해한 원소를 대음이온(anion)으로 포함하는 경우가 많아 환경적이나 안전성 측면에서 문제가 있었다. 이에 따라 최근에는 벤젠 고리에 알킬 치환기를 도입하여 분해생성물의 독성을 줄이고, 동시에 anion으로 환경친화적인 비유해성 음이온을 사용하는 새로운 형태의 요드늄염이 개발되어 시판되고 있다.양이온 개시제의 반응속도와 중합 효율은 크게 두 가지 요소에 의해 결정된다. 첫째는 광분해 반응속도인데, 이는 요드늄이나 술포늄 양이온 자체의 구조에 의해 좌우되며 anion의 영향은 거의 없다. 둘째는 생성된 산의 강도와 반응성으로 anion의 성질에 크게 의존한다. 일반적으로 구핵성이 낮은 anion을 사용할수록 생성된 산의 해리도가 높아져 중합 속도가 증가하며, 경화가 빠르게 진행된다. 6.3 UV 광 경화 반응에서 황변과 착색  광 경화 공정에서 사용되는 감광성 조성물은 노광 후 또는 경화된 도막이 실제 사용 환경에 노출될 경우 황변 또는 착색 현상을 일으킬 수 있다. 이러한 색 변화는 광 개시제의 광화학 반응에 기인하는 대표적인 문제 중 하나로, 특히 고 투명성이 요구되는 코팅 또는 clear 도막에서 심각한 품질 저하 요인이 된다. 따라서 광 개시제를 선정할 때, 광 개시 활성뿐만 아니라 광반응 부산물의 색상 안정성 또한 중요한 고려 요소가 된다. 예로서 벤질디메틸케탈(BDK)과 같은 광 개시제는 UV 광 조사로 라디칼 생성반응을 통해 다양한 광반응 부산물을 형성한다. 이 중 일부 부산물은 가시광 영역에서 흡수 특성을 가지며, 장파장 흡수를 유도해 황변의 원인이 된다. 특히, BDK로부터 생성된 디메톡시벤질 라디칼이 재결합하면서 형성되는 착색 부산물이 도막의 색안정성을 저하시킨다고 보고되고 있다.반면, α-하이드록시아세토페과 같은 개시제는 가시광 영역에서 흡수가 없고, 착색성 광반응 생성물도 형성하지 않기 때문에 일반적으로 황변에 대한 우수한 내성을 가진다. 이들 구조는 BDK와 달리 벤질 라디칼을 생성하지 않으므로 도막의 색상이 안정적이다.황변 억제를 위한 효과적인 방법 중 한 가지는 광반응 후 원래의 흡수대가 소실되는 광표백(photo-bleaching) 특성을 갖는 개시제의 사용이다. 예를 들어 o-아실 옥심(o-acyl oxime)은 325㎚ 부근에 강한 흡수대를 갖지만, 광조사 후 이 흡수대는 점차 감소하여 최종적으로 완전 소실된다. 이는 경화 전에는 강한 흡수를 통해 효율적인 개시가 이루어지고, 경화 후에는 착색이 발생하지 않아 도막의 외관 품질이 유지된다는 점에서 매우 유리하다. 또한, 아실포스핀 옥사이드(acylphosphine oxide) 계열 또한 광표백 특성을 나타내는 것으로 알려져 있다.    UV 경화 수지의 배합 설계는 최종 경화물의 성능을 좌우하는 핵심 과정이다. 이 설계에서 광중합 반응속도, 경화막의 물성, 기계적 강도 및 유연성, 접착성과 같은 다양한 요구 특성에 따라 모노머, 올리고머, 광 개시제 등의 성분을 정밀하게 조정해야 한다. 배합 설계에는 관능기 수, 분자 크기, 유리 전이온도(Tg)가 주요 인자로 작용한다. 7.1 관능기 수와 경화 반응성 경화 속도는 광 개시제로부터 생성되는 라디칼의 활성도와 이들이 중합성 관능기, 예컨대 acryloyl기를 공격하는 효율에 크게 의존한다. 모노머 분자 내의 관능기 수는 이 반응 효율과 연관된다. 일반적으로 하면, 되지만, 대신 망상구조 형성이 촉진되어 경화 피막의 물성이 크게 변화한다.예를 들어, 단관능 모노머는 굴곡성, 유연성, 접착성이 우수하며, 다관능 모노머는 높은 경도를 나타내는 대신 깨짐이나 접착성 저하와 같은 물성이 동반된다. 이는 형성에 따른 것이며, 관능기 증가에 따라 Tg도 상승하는 경향이 있다. 7.2 아크릴계 모노머의 종류와 배합 영향 모노머는 UV 경화 조성물에서 반응성 희석제 역할 외에도 유동화제, 점도조절제, 안료 분산제 등으로도 활용되며, 동시에 가교 밀도 조절에도 기여한다. 다음은 대표적인 아크릴계 모노머들의 예이다. • 단관능: 2-에틸헥실 acrylate(EHA), 4-하이드록시부틸 acrylate (HBA), N-비닐피롤리돈(NVP), 스테아릴아크릴레이트(SA)• 2관능: 폴리에틸렌글리콜 diacrylate(PEGDA), 트리프로필렌글리콜디아크릴레이트(PGDA)• 3관능: 트리메틸올프로판 triacrylate(TMPTA) 이들의 반응속도는 순이며, 이는 관능기 수가 증가함에 따라 반응성이 저하됨을 나타낸다. 하지만 TMPTA처럼 반응성은 낮더라도 높은 가교 네크워크 형성에 의해 물성을 향상시킬 수 있다.모노머를 비스페놀-A-글리시딜ether diacrylate(BGEDA)와 같은 올리고머와 혼합할 경우, 경화 속도 및 반응률이 상승하며, 경화 피막의 물성도 조정 가능하다. 7.3 경화막의 물성 조절과 가소화 효과 모노머의 구조 및 관능기 수에 따라 경화막의 성질이 달라진다. 단관능 모노머를 사용할 경우, 망목 가교 밀도가 낮아지고, 이에 따른 가소화 효과로 굴곡성과 접착성이 우수해진다. 반면, 다관능 모노머는 망목 가교 밀도가 높아지고, 이에 따라 강성, 깨짐, Tg가 상승하는 경향이 있다. 가소화 효과는 EHA, HBA, PEGDA에서 확인되었으나, TMPTA에서는 확인되지 않았다. 이는TMPTA에 의해 형성되는 높은 망목 밀도 및 Tg 상승 때문으로 해석된다. Tg 상승 순서는 다음과 같다 경화막의 유연성을 개선하기 위해서는 알코올계 단관능 acrylate(탄소 수 4개 이상)나 반응성 가소제를 사용한다. 이들 모노머 내의 polyalkylene 또는 polyalkylether 세그먼트는 경화 후에도 유연성을 유지시키는 역할을 한다. 7.4 광 개시제의 첨가량 광 개시제의 첨가량은 경화 반응률에 영향을 주지만, 일정 농도를 초과하면 반응성 향상 효과가 포화된다. 예를 들어, α-아미노케톤계 광 개시제를 사용한 경우, 약 30μm 두께의 피막에서는 일정 이상의 첨가량이 반응률을 더 이상 증가시키지 않았다.경화 성분(모노머, 올리고머)과 광 개시제의 비율은 피막의 두께에 따라 달라지며, 산소에 의한 중합 방해를 줄이기 위한 조정이 필요하다. 피막이 두꺼워질수록(100μm 이상) 광 개시제의 첨가량을 줄이거나 20% 정도 증량하는 방식으로 조정 가능하다. 막 두께와 광 개시제의 첨가량(%)의 관계는 다음 값을 기준으로 하여 결정하면 좋다.후막(㎜ 수준)의 경우, 미 경화 상태에서의 유동성 방지를 위해 열가소성수지 등을 혼합한 바인더를 함께 사용하며, 광 개시제를 경화 성분 기준 100% 수준에서 시작하여 경화 특성에 따라 조정하는 방식이 적용된다.광 개시제의 첨가량을 줄이면서도 경화 속도를 개선하고 잔류량을 줄이기 위해 혼합형 광 개시제가 사용된다. 이때 synergy가 발휘되며, 혼합되는 광 개시제 간의 용해성 또는 상용성이 필수이다. 대표적인 혼합형 광 개시제는 다음과 같다.이러한 조성은 광중합 활성 라디칼의 발생 메커니즘을 다변화하여 반응 효율을 높이는 데 효과적이다. 7.5 저 점도화 UV 경화 수지의 점도는 가공성 및 코팅 적합성에 큰 영향을 미친다. 이러한 점도를 조절하기 위한 방법 중의 하나는 저점도 모노머를 첨가하는 것이다. 일반적으로 올리고머는 중간 분자량의 구조를 가지며, 분자량이 높은 열경화성 수지보다는 작지만, 그 조성물의 점도가 낮은 것은 아니다. 실제 점도는 단순히 분자량보다는 화학구조 및 분자 내 극성기의 수와 종류에 따라 좌우되는 경향이 강하다. 특히 점도를 낮추기 위한 배합 설계에서 다음 세 가지 요소에 주의해야 한다. 첫째, 모노머의 용해도 파라메타(SP치); 둘째, 올리고머의 구조적 유연성과 분지도; 셋째, 분자 내의 극성기 수로서 극성기가 많을수록 분자 간 응집력이 증가하여 점도가 상승하게 된다. 이 응집력의 강도는 일반적으로 다음과 같은 순서를 따른다.예를 들어, 폴리우레탄 acrylate나 폴리 에폭시 acrylate는 높은 분자 간 수소결합에 의해 점도가 높다. 이 점도는 수지 내에 존재하는 hydroxyl기를 ester화하여 수소결합 형성을 약화시키면 효과적으로 낮출 수 있다.모노머는 경화 속도 조절뿐만 아니라 최종 수지 조성물의 점도를 미세하게 조정하는 역할을 한다. 일반적으로 단관능 모노머는 저점도이며, 2관능과 3관능 모노머 순으로 점도가 증가하는 경향이 있다. 따라서 아래와 같은 관능기별 물성을 고려하여 다양한 조합에 따른 물성 변화를 배합설계 시 고려해야 한다.경우에 따라 UV 경화성을 갖지 않는 비반응성 희석제를 첨가하여 수지의 점도를 더욱 낮추는 동시에, 경화 속도와 반응률을 향상시킬 수 있다. 이와 같은 경향은 경화 반응 후 잔존하는 불포화 이중결합의 양으로 평가할 수 있다. 8. UV 경화 수지의 굴절률 광학용 재료로 사용되는 UV 경화 수지는 적절한 점도, 빠른 경화, 낮은 수축 외에도 굴절률 조절이 필요한 경우가 많다. 특히 렌즈, 광도파로, 디스플레이 구성품 등과 같이 정밀한 광학 특성이 요구되는 분야에서 굴절률 설계의 중요성이 더 커진다.그러나 현재 시판되고 있는 UV 경화 수지들은 조정 가능한 굴절률 범위가 제한적이므로 요구되는 특성을 충족하기가 어렵다. 따라서 고굴절 배합 설계를 위해서는 모노머와 올리고머의 합성 검토가 필요하며 배합, 경화, 부품화 각 공정 단계에서 적절한 고굴절화 설계가 이루어지지 않으면 불균일 또는 공정 결함에 의해 원하는 물성을 얻을 수 없다.  8.1 굴절률을 결정하는 요인 UV 경화 수지와 같은 고분자 재료의 굴절률은 일반적으로 다음과 같은 Lorentz–Lorenz 식으로 나타낼 수 있다.이 식으로부터 분자 체적 V를 작게 하든지, 분자 굴절 R을 크게 하면 굴절률을 높일 수 있음을 알 수 있다. 그러나 실제로 고분자 재료의 실측 분자 체적과 그 굴절률 간의 관계를 비교한 결과 [표 8], 분자 체적의 크기와 굴절률 사이에는 상관관계가 성립하지 않는 경우도 많이 있다. 이는 굴절률이 단순한 체적 요인보다는 다른 요인, 특히 전자구조에 따른 분자 굴절의 크기에 더 큰 영향을 받는다는 사실을 나타낸다. 8.2 굴절률 산출 방법 분자 굴절은 원자 굴절과 관계가 있으며, 분자를 구성하는 원자의 원자 굴절 합을 통해 일반적으로 분자 굴절을 추정할 수 있다[표 9]. 여기서는 계산이 간단한 저분자 화합물의 계산 예시를 보였으며, 고분자 재료의 경우에도 동일한 계산 방법으로 굴절률을 산출할 수 있다.분자 굴절은 분극률 α와도 밀접한 관계가 있으며, 분극률이 클수록 굴절률은 높아지는 경향이 있다. 더욱이 분극률을 알고 있을 경우 굴절률은 다음과 같은 식으로 나타낼 수 있다.8.3 화학구조와 굴절률 Meth(acrylate)계 고분자를 예로 들어, 치환기 R의 화학구조에 따른 굴절률 변화를 정리하였다[표 11]. 이 데이터로부터 단일한 고분자 골격이라 하더라도, 말단 또는 곁사슬에 도입되는 치환기의 종류에 따라 굴절률이 비교적 넓은 범위에서 조절 가능함을 알 수 있다. 이는 치환기에 포함된 원자의 전자밀도, 분극률, π-결합 구조가 전체 분자의 굴절에 기여하기 때문이다.이러한 경향은 다른 고분자 재료에도 유사하게 치환기를 도입하여 굴절률을 제어할 수 있을 것으로 예상된다. 그러나 유기화합물에서 조절 가능한 굴절률 범위의 상한은 이론적으로 약 1.7로 추정되며, 이는 유기 분자의 전자구조에서 분극성의 한계에 기인한다. 무기화합물의 높은 전자밀도 및 금속-비금속 결합에 기반한 높은 분극성과 비교할 때, 유기화합물의 상대적으로 조절 가능한 굴절률 범위는 제한적이다. 이에 따라 최근에는 높은 굴절률을 위해 금속화합물과 유기 고분자의 하이브리드화가 시도되고 있다. 예를 들어, 티타늄, 지르코늄, 안티몬 등의 금속 유기 복합체를 고분자 매트릭스에 도입함으로써 굴절률이 1.7을 초과하는 고분자 재료도 보고되고 있다.  8.4 굴절률 제어 Meth(acrylate)계 고분자의 화학구조와 굴절률 간의 관계를 살펴보면, acrylate계 수지에 다양한 치환기를 도입하여 유사한 범위의 굴절률 조절이 가능할 것으로 추정된다. 그러나 실제 시판되고 있는 UV 경화 수지의 굴절률을 살펴보면, 이론상 기대치에 비해 그다지 높지 않은 것을 알 수 있다. 상용 모노머들의 굴절률은 대부분 1.45에서 1.55 수준에 분포하며, 고굴절 특성을 부여하기 위해 상대적으로 고굴절인 비스페놀(bisphenol) 골격을 갖는 acrylate에서도 경화물의 굴절률은 약 1.57로 고굴절화하는 것이 쉽지 않다. 이는 경화 전 모노머 상태의 굴절률이 경화 과정에서 고분자의 밀도 증가 및 분자 배열 변화 등에 의해 소폭 상승할 수 있으나 그 상승 폭이 제한적이기 때문이다. 따라서 단순히 고굴절 모노머를 조합하는 것만으로는 1.70을 초과하는 고굴절을 얻기 어려우며, 실질적인 고굴절화를 위해서는 용도에 맞는 분자 수준의 구조 설계가 필요하다. 8.5 굴절률의 온도의존성 UV 경화 수지의 굴절률은 온도의 함수이며, 이는 아래 식에서 볼 수 있듯이 분자분극과 체적 팽창에 기인하는 항이 존재한다. 엄밀히 말하자면, 분자분극 역시 온도의 영향을 받지만, 그 정도는 미미하다. 반면 고분자 재료의 체적 팽창은 무기 재료에 비해 훨씬 크기 때문에, 굴절률의 온도 변화는 주로 체적 팽창에 의해 결정된다고 보아야 한다. 특히 고분자 사슬 간의 자유 공간이 온도가 상승함에 따라 증가하면서 체적이 팽창하고 단위 부피당 분자 밀도가 감소하여 굴절률은 저하된다.고분자 재료의 팽창계수는 Tg를 전후로 크게 변화하며, 같은 고분자 재료의 굴절률도 Tg 전후로 크게 바뀌는 것으로 보고되어 있다. 이러한 특성으로 인해 사용 환경의 온도 범위에 맞추어 적합한 팽창계수를 갖는 재료를 선택하는 것이 중요하다. UV 경화 수지는 일반적으로 중합과 성형이 동시에 이루어져 최종 제품으로 제조되기 때문에, 경화물 내에는 미반응 성분이나 저분자량의 올리고머가 잔존할 가능성이 있다. 그러나 흥미로운 점은 이러한 미반응성분들이 존재함에도 불구하고 굴절률의 온도의존성이나 선팽창계수는 크게 변하지 않는다는 것이다. 이는 UV 경화 수지의 특성이 경화 전에 조성물에서 결정되고, 이후 경화 과정에서 구조가 고정됨으로써 상대적으로 안정된 광학 물성을 나타내기 때문이다.물론, UV 경화 수지의 구체적인 구조나 경화조건에 따라 굴절률의 변화 수치는 다소 차이를 보일 수 있을 수 있으나, 사용 환경에 적합한 적절한 고분자 구조를 선택하면 일반적인 고분자 재료에서 관찰되는 온도의존성과 거의 유사한 성능을 발휘할 수 있다.  8.6 UV 조사량과 굴절률 일반적인 고분자 재료의 굴절률은 문헌값을 통해 비교적 정확하게 파악할 수 있다. 그러나 UV 경화 수지의 경우, 경화 후 형성되는 고분자 네트워크의 구조와 밀도가 UV 조사량에 의한 경화 조건에 따라 달라지므로, 경화물의 굴절률은 일정하지 않으며 문헌치로부터 예측하기 어렵다. 실제로 UV 경화 수지의 굴절률은 UV 조사량의 증가에 따라 변화하며, 이는 경화 반응 정도에 기인한다. 이를 입증하기 위해 경화 조건이 서로 다른 시료의 굴절률을 측정하고 도식화한 결과 굴절률 변화가 반응률과 관련이 있는 것을 확인하였다.  반응률의 측정은 μ-ATR 분광법을 활용하여 경화물 표면 근처에서의 반응율을 평가하는 방식으로 진행되었다. 실험에는 BisAEODA(Bisphenol A Ethoxylate Diacrylate)를 사용하였으며, 광 개시제의 첨가량을 변화시켜 조사량에 따른 굴절률 변화를 조사하였다. 그 결과, 동일한 수지 조성에서도 광 개시제 농도에 따라 경화물의 굴절률이 달라지고, 원하는 굴절률을 구현하기 위한 최적의 조사량 또한 달라짐을 확인하였다. 8.7 파장 분산 특성 UV 경화 수지의 중요한 광학 특성 중 하나인 파장 분산은 물질의 굴절률이 빛의 파장에 따라 얼마나 변화하는지를 나타낸다. 일반적으로 파장 분산은 아베수로 표현되며, 아베수가 작을수록 파장에 따른 굴절률 변화가 커지고 색수차 발생 가능성이 높아진다. 무기 재료인 석영 유리는 파장 분산이 작지만, 고분자 재료인 PS나 PMMA는 상대적으로 높은 파장 분산을 보인다. 일반적으로 고분자 재료에서는 굴절률이 높은 경우 아베수가 작아지는 경향이 있으며, 고 굴절률과 높은 아베수를 동시에 만족하기 위해서는 추가적인 연구가 필요하다.UV 경화 수지의 굴절률과 아베수 간에는 일반적으로 반비례 관계를 따르지만, 일부 화합물에서는 이 관계에서 벗어난 양상을 보인다. 예를 들어, 실제 함수보다 위에 위치하는 화합물은 굴절률에 비해 파장 분산이 낮고, 아래에 위치하는 화합물은 파장 분산이 큰 특성을 나타낸다. 구조적으로는 ester기 근처에 지환 구조가 있을 경우 파장 분산이 작고, 분자 내에 벤젠환이나 질소 원자를 포함하면 파장 분산이 큰 경향이 있다. 이러한 경향은 경화 전의 액체 상태뿐만 아니라 경화 후의 고체 상태에서도 유사하게 나타난다. 또한 경화 전후를 비교할 때, 굴절률은 경화 후에 증가하지만, 아베수는 낮아지지 않거나 오히려 증가하는 경우도 있어 경화 반응이 파장 분산 특성에 긍정적인 영향을 미칠 수 있음을 시사한다. 굴절률에 비해 아베수가 높은 UV 경화 수지는 지환식 골격을 가지는 경우가 많으며, 분자 내에 질소(N)를 포함할 경우 아베수가 저하되는 경향이 있다.9. UV 경화 수지의 고 굴절화 UV 경화 수지의 고 굴절화를 위해서는 분자 굴절을 증가시키는 구조적 요소의 도입이 중요하다. 일반적으로 사용되는 방법으로는 방향족기의 분자 내 도입, 불소를 제외한 할로겐 원자의 도입, 유황 원자의 도입, 지환식 구조의 도입이 있다. 이러한 방법들은 각각 또는 두 가지 이상의 조합으로 적용될 수 있다.9.1 방향족기의 도입 벤젠환과 같은 방향족 구조는 높은 분극률을 가지고 있어 굴절률을 효과적으로 증가시킬 수 있다. 그러나 방향족기의 도입은 아베수를 저하시켜 파장 분산을 증가시킬 수 있으므로 용도에 따라 제한이 있을 수 있다. 그럼에도 불구하고 방향족기를 포함한 수지의 아베수는 폴리카보네이트 수준에 달하므로 다양한 용도로 활용될 수 있다.위의 [그림 27]에서 에틸 acrylate (ECA) 유도체에 방향족기가 도입되었을 때 굴절률이 증가함을 보여준다. 특히, o-PPEOA의 경우 경화 후 굴절률이 약1.61에 이른다. 그러나 방향족기 도입은 UV 흡수 특성에도 변화를 초래하며, 그 결과 흡수 파장이 길어지는 경향이 나타난다. 방향족기의 수가 증가함에 따라 UV-가시광 영역에서의 흡수 파장이 증가하는 경향이 나타난다. 이러한 변화는 광 개시제와의 흡수 스펙트럼 중첩 가능성을 증가시켜 광 개시 효율을 저하시킬 수 있으므로, 경화 불량을 방지하기 위해서는 적절한 파장의 광 개시제를 선택하는 것이 중요하다. 9.2 불소 이외 할로겐 원자의 도입 분자 내에 할로겐 원자의 도입을 통한 굴절률을 조절하는 방법은 널리 활용되고 있으며, 이는 지방족 및 방향족 구조 모두에 적용되고 있다. 할로겐 원자의 도입은 굴절률을 높이는 데 매우 효과적인 수단이지만, 몇 가지 주의해야 할 점이 있다. 우선 탄소 원자와 할로겐 원자 간의 결합에너지 크기에 주목해야 한다. 일반적으로 결합 에너지는 F > Cl > Br > I 순으로 크며, 불소를 제외한 할로겐 원자 중에서는 고 굴절화에 대한 기여도가 I > Br > Cl 순으로 나타난다. 또한, 굴절률을 더욱 높일 수 있는 원소로는 요소 원자가 있으나, 열이나 빛에 의해 결합이 쉽게 끊어지기 때문에 요소를 활용한 고 굴절화는 경화 필름의 사용 환경을 충분히 고려하여 적용해야 한다.이처럼 할로겐 원자에 의한 고 굴절화는 결합에너지와 효과 간의 균형이 중요하며, 이러한 관점에서 브롬 원자가 자주 선택된다. 그러나 할로겐 원자의 도입은 재료의 비중을 증가시키므로 주의가 필요하다. 9.3 유황 원자의 도입유황 원자를 포함하는 결합은 원자 굴절이 매우 크기 때문에 고 굴절화를 실현하기 위한 효과적인 방법으로 널리 알려져 있다. 그러나 UV 경화 수지의 경우, 유황 화합물의 특유한 냄새 문제로 인해 실제 적용이 제한적이다. 이는 이미 고분자화된 재료를 성형하는 경우와는 달리, UV 경화 수지는 가공 공정 중 유황 함유 모노머를 직접 사용하기 때문에, 모노머 내 미량의 불순물조차도 강한 냄새를 유발하여 문제가 될 수 있기 때문이다. 이 외에도, 불순물의 영향으로 UV 경화 과정 중 착색 현상이 발생할 수 있으며, 이는 최종 제품의 외관 및 광학적 특성을 저해할 수 있다. 또한, 유황을 함유한 모노머는 상온에서 고체 상태인 경우가 많아, 다른 모노머나 올리고머와의 상용성이 좋지 않으며, 작업성 측면에서도 불리한 점이 있어 사용이 기피되는 경향이 있다. 한편, acrylate 구조에 유황을 도입하는 방법으로는 ester 결합 부위의 산소를 유황으로 치환하는 방식이 알려져 있다. 이 반응 자체는 가능하지만, 공정비용이 높아 상업적으로는 널리 활용되고 있지는 않다. 9.4 지환식 구조의 도입 분자 내에 지환식 구조를 도입하면 굴절률이 상승한다. 이는 구성 원자가 동일하더라도 분자의 형태가 선형인지 환상인지에 따라 굴절률이 달라질 수 있음을 의미하며, 단순한 원자 굴절 개념만으로는 설명하기 어렵다. 더욱이 환상 구조는 굴절률의 증가뿐만 아니라 경화 필름의 Tg를 저하시키지 않으면서 굴절률을 조절할 수 있는 특징을 가진다. 아래의 [그림 30]에서 선형, 분지형, 환상형 각각의 구조에 대해 탄소 수 증가에 따른 Tg 변화를 보여주고 있는데, 선형 구조에서는 탄소 수가 증가함에 따라 Tg가 저하되는 반면, 환상형 구조에서는 이러한 Tg 저하가 현저히 감소하는 것을 알 수 있다. 한편, 방향족기를 도입하여 고 굴절화를 도모하는 경우에는 분자의 흡수 파장이 장파장 쪽으로 확장되어 UV 광 이용 효율이 저하될 우려가 있으나, 환상 구조의 도입은 흡수 파장에 미치는 영향이 거의 없기 때문에 높은 UV 경화 효율을 유지할 수 있다. 또한 아베수의 저하가 비교적 적어 광학 성능 측면에서 유리한 특성을 나타낸다. 10. 복굴절앞서 UV 경화 수지의 굴절률 제어에 대해 서술하였으며, 이러한 수지가 광학 재료로 사용될 경우 굴절률이나 분산 특성 외에도 매우 중요한 특성 중 하나로 간주된다. 복굴절(birefringence)은 특정 물질에 빛이 입사할 때 진동면의 방향 차이에 따라 광의 전파 속도가 달라지는 현상을 의미하며, 이로 인해 화상이 이중으로 보이거나 흐릿하게 번지는 등의 문제가 발생할 수 있다.  
편집부 2025-11-13
기사제목
 1. 서론  UV 경화 수지는 UV 광 조사에 의해 빠르게 경화되며, 공정 단축과 에너지 절감과 같은 장점으로 인해 전자 재료, 광학 소자, 자동차, 바이오, 인쇄, 코팅 등 다양한 산업 분야에서 널리 활용되고 있다. 이러한 폭넓은 응용 가능성에도 불구하고, UV 경화 수지를 특정 용도에 적합하게 구현하기 위해서는 단순히 경화 반응성만을 고려하는 것으로는 부족하다. 최종 경화물이 요구하는 기계적 강도, 열적 안정성, 화학적 내구성 등 다양한 물성을 종합적으로 충족시켜야 하며, 이러한 물성은 주로 모노머, 올리고머, 광 개시제 등의 화학적 구조와 조성비, 그리고 경화 후 형성되는 고분자의 분자량 및 구조적 특성에 의해 결정된다. 한편, UV 경화 수지가 광학 재료로 사용되는 경우에는 적절한 점도, 빠른 경화 속도, 낮은 경화 수축률 등과 같은 일반적인 공정 제어를 위한 물성 설계 외에도, 광학 성능을 결정짓는 굴절률의 정밀한 제어가 매우 중요한 설계 인자가 된다. 특히 렌즈, 광도파로, 디스플레이 구성 요소 등 정밀 광학 부품에 적용될 경우, 사용 환경 및 기능적 요구에 맞춘 굴절률의 조정은 재료 설계의 핵심 과제로 떠오른다. 그러나 현재 상용화된 UV 경화 수지 시스템은 사용할 수 있는 재료의 한계로 인해 굴절률 조정 범위가 제한적이며, 이로 인해 고굴절 특성이 요구되는 광학 소자로의 적용에 어려움이 있다. 이러한 한계를 극복하기 위해서는 단순한 배합비 조정보다는, 분자 굴절이 큰 작용기를 갖는 모노머 및 올리고머를 설계하고 이를 최적의 조성으로 배합하는 고분자의 정밀한 분자 설계가 필수적이다. 2. 모노머 및 올리고머의 역할 기능성 고분자 재료는 그 화학구조에 따라 다양한 물리적·화학적 특성을 발현하며, 이는 최종 제품의 성능을 결정짓는 핵심 요소로 작용한다. 굴절률, 내열성, 절연성, 유전 특성, 경도, 수축률, 선팽창 계수, 광투과율 등은 대표적인 성능 항목으로, 이러한 특성들은 고분자의 주사슬 구조, 곁사슬 치환기, 분자량 분포, 분자 배향 상태에 따라 달라진다. 산업적 요구에 부합하는 고분자 재료를 설계하기 위해서는 화학적 조성과 구조적 특성을 정밀하게 조절해야 하며, 이는 단순히 주성분인 올리고머의 선택만이 아니라, 가공성 및 생산성 향상을 위한 전체 조성물의 체계적인 설계를 요구한다. 특히 최근에는 공정 속도 향상과 환경적 부담 경감을 위한 방법으로 광 경화 시스템이 주목받고 있으며, 이 시스템에서는 모노머와 올리고머가 매우 중요한 역할을 수행한다.  UV 광 경화형 고분자 조성물은 일반적으로 올리고머, 반응성 모노머 또는 희석제, 광 개시제, 첨가제로 구성된다. 이 중에서도 올리고머는 최종 경화막의 특성, 즉 기계적 강도, 내화학성, 접착성, 내마모성 등과 같은 물성을 결정짓는 중요한 구성 요소이다. 올리고머는 일반적으로 고분자량의 반응성 수지로서, 예를 들어 우레탄 acrylate나 에폭시 acrylate 등이 주로 사용된다. 그리고 모노머는 점도 조절 및 경화 반응을 통해 가교구조를 형성하며 주로 저점도 희석, 경화 속도 제어, 최종 물성 보조 등의 목적으로 사용된다. 특히 다관능 모노머는 가교 밀도를 높여 경도와 내화학성을 향상시키지만, 과도하게 사용할 경우 수축과 휨을 유발할 수 있으므로 모노머의 선택과 함량은 정밀한 설계를 필요로 한다.  가공성 측면에서 저점도 모노머를 활용한 점도 조절이 매우 중요하며, 특히 용제를 사용할 수 없는 100% 고형분 시스템에서는 반응성 희석제로서 기능을 수행하는 모노머의 물성 조절이 중요하다. 이 경우 선택된 모노머는 경화 전에 도포성과 작업성을 향상시키고, 경화 후에는 최종 물성에 부정적인 영향을 주지 않아야 한다. 따라서 올리고머와의 상용성, 휘발성, 반응성 관능기 수, 분자구조 등 다양한 요소를 종합적으로 고려하여 설계해야 한다. 또한 생산설비의 조건에 따라 경화 속도를 조절해야 할 경우 광 개시제의 종류, 파장 흡수 특성, 투입량, 다관능 모노머의 구조, 램프 종류 등 복합적인 요소가 최적화되어야 하며, 이는 단순한 조합 이상의 정밀한 제어가 요구되는 부분이다. 다관능 모노머의 사용은 짧은 시간 내에 고밀도의 3차원 가교구조를 형성하여 경화시간을 단축시키고 물성을 향상시킬 수 있지만, 이 과정에서 발생하는 수축과 내부응력으로 인해 도막의 균일성이나 접착성이 저해될 수 있다. 따라서 첨가제 조정, 점도 조절, 공정 온도, UV 광 강도 등을 함께 고려해야 한다. 결국 모노머와 올리고머는 단순히 혼합물의 구성 요소가 아니라, 조성물의 전체적인 특성과 공정성을 제어하는 핵심적 매개체로서 작용한다. 이들의 정밀한 분자 및 배합 설계 없이는 목적으로 하는 기능성 고분자 재료를 구현하는 것이 불가능하다. 따라서 기능성 고분자 조성물의 설계는 각 성분 간 상호작용에 대한 깊은 이해와 방대한 실험데이터를 바탕으로 정량적 예측을 수행하는 것이 바람직하다. 아래 [표 1]부터 [표 3]에 고분자 재료의 대표적인 물리적, 화학적, 광학적 물성을 나타내었다.   3. 모노머 설계 (Meth)acrylic acid 유도체는 고기능성 고분자 소재의 설계 및 제조에서 핵심적인 반응성 모노머로 광범위하게 활용되며, 특히 UV 경화와 같은 빠른 반응성이 요구되는 공정에서 중심적인 역할을 수행한다. 이러한 유도체는 주로 라디칼 중합반응을 통해 가교되며, 이 과정에서 사용되는 개시제는 광이나 열을 통해 효과적으로 라디칼을 생성할 수 있어야 한다.   (Meth)acrylate계 모노머는 일반적으로 hydroxyl기를 포함한 화합물과 (meth)acrylic acid 또는 그 유도체 간의 탈수축합 또는 ester 교환반응을 통해 합성된다. 이들의 구조는 관능기 수, 알킬 사슬의 형태, 반응성 작용기(–OH, –COOH, –NH₂ 등)의 존재 여부에 따라 분류되며, 이는 최종 경화막의 기계적 특성, 점도, Tg, 경화 속도, 수축률 등에 직접적인 영향을 미친다. 따라서 최종 제품의 용도와 성능 목표에 따라 적절한 분자구조를 설계하는 것이 필수적이다.단관능 (meth)acrylate 모노머는 일반적으로 낮은 점도를 가지며 hydroxyl기, carboxyl기, 지방족기, 방향족기 형태 등으로 세분화된다. 이들은 주로 반응성 희석제 또는 중간체로 활용되며, 선형적이며 2차원적인 가교구조를 형성하는 경향이 있다.  특히 ester기 알코올 성분의 분자량이 증가할수록 점도가 높아지고 분자 사슬의 유연성이 향상되어, 충격에 강하고 유연한 경화막을 구현하는 데 유리하다.  2관능 (meth)acrylate 모노머는 두 개의 반응성 (meth)acryloyl기를 포함하고 있으며 선형 지방족, 분지형, 지환식, 방향족 등 다양한 구조로 구성될 수 있다. 이들은 단순한 희석제 이상의 역할을 수행하며, 경화막의 기계적 강도 및 내열성을 향상시키는 데 기여한다. 선형 지방족은 낮은 점도를 가지는 반면, 분지 구조는 입체장애로 인해 점도가 높아지지만 반응 부위 간의 간섭이 줄어 경화성과 열적 특성이 개선되는 경향이 있다. 특히 지환식 또는 방향족 골격을 포함하는 경우, 강직한 분자구조로 인해 Tg가 현저히 증가하며, 강도 높은 경화막 형성이 가능하다. 다만 이와 같은 구조는 유연성이 낮고 경화 수축이 클 수 있어, 에틸렌옥사이드와 같은 친수성 모노머를 병용하여 물성을 조절하는 등의 보완이 필요하다.  다관능 모노머는 3개 이상의 반응성기를 포함하고 있어 고속 경화성, 높은 경도, 우수한 내마모성의 특성을 발현할 수 있다. 이들은 고도의 3차원 가교구조를 형성함으로써 경화막의 내구성과 치수 안정성을 극대화하지만, 동시에 높은 점도와 경화 수축이 크다는 단점을 수반한다. 또한 경화 과정 중에는 라디칼 소멸과 분자운동의 제한으로 미반응기가 잔류할 가능성이 있으므로, 적절한 반응 조건 설정 및 조성 설계를 통해 이러한 문제를 최소화하는 것이 중요하다. 일반적으로 다관능 모노머는 단관능 또는 2관능 모노머와 병용하여 점도와 수축률 조절, 유연성 확보 등의 균형을 맞추며, 이는 최종 고분자 조성물의 성능 최적화에 결정적인 역할을 한다.  3.1 내열성 (Meth)acrylate계 고분자의 내열성은 주로 Tg에 의해 평가되며, 이는 분자 내 공유결합에 의한 가교 밀도뿐만 아니라 모노머의 분자구조, 특히 알코올 성분에 기인한 분자 간 상호작용의 강도에 크게 좌우된다. 단관능 지방족계 (meth)acrylate 모노머의 경우, 알코올 성분이 선형 구조를 가질 때, 탄소 수의 증가에 따라 사슬의 유연성이 커지고 가교 밀도가 낮아지므로 Tg는 일반적으로 감소한다. 그러나 탄소 수의 증가로 인해 사슬 간의 분산력, 극성, 수소결합과 같은 비공유 결합성 상호작용이 강화되어 Tg가 오히려 상승하는 경향을 나타낸다. 한편, 알코올 성분이 분지 구조나 고리형 구조를 갖는 경우, 동일한 탄소 수의 선형 구조에 비해 부피가 커져 입체장애로 인한 자유도가 억제되어 Tg가 현저히 증가한다. 이는 열적 물성이 공유결합뿐만 아니라 분자 간 비공유 결합 상호작용에도 크게 의존함을 의미한다. 2관능 (meth)acrylate의 경우에도 비슷하게 적용된다. 알코올 성분이 분지형 또는 고리형 구조를 가지고 있을 경우, 두 관능기 간의 거리가 짧아져 가교 밀도가 증가하며, 이로 인해 구조적 강성이 향상되어 Tg가 상승한다. 더불어 활성 수소기를 포함하고 있는 모노머는 분자 간 수소결합을 형성하여 분자운동의 자유도가 더욱 억제되어 Tg가 한층 더 상승한다. 반면, 선형 메틸렌 사슬 내에 ether 결합이 존재할 경우에는, 소수성 상호작용이 약화되어 Tg는 오히려 감소하는 경향을 보인다. 또한 방향족 고리 구조가 포함될 경우, π-전자 구름에 의한 분자 배향 효과가 분자 간 상호작용을 강화하여 Tg를 상승시키는 결과를 나타낸다.  다관능 (meth)acrylate의 경우 경화막이 부서지기 쉽기 때문에 Tg 측정이 어렵다. 이 경우 열적 물성은 주사슬의 알코올 구조보다는 가교 밀도에 크게 좌우된다.  이처럼 Tg는 알코올 성분의 분자구조에 강하게 의존하며, 이는 고분자 시스템의 내열성에 영향을 미친다. Tg는 고분자의 마이크로 브라운 운동이 시작되는 온도로 간주되므로, 내열성을 향상시키기 위한 분자 설계에서는 이러한 운동을 억제할 수 있는 구조를 고려하는 것이 중요하다. 분자량을 증가시키는 것도 한 가지 방법이지만, 공정 적합성이나 희석성까지 고려할 경우 저분자량 또는 compact한 분지형, 고리형 또는 방향족 구조의 도입, 그리고 강한 수소결합을 유도할 수 있는 설계가 효과적일 수 있다. 3.2 굴절률 최근 UV 경화형 acrylate 수지가 광학 재료로서 역할을 확대하고 있으며, 굴절률 조절을 중심으로 한 정밀한 분자 설계의 중요성이 더욱 부각되고 있다. 광학 재료의 핵심 특성으로 굴절률, 광투과율, 낮은 분산성, 복굴절 등이 포함된다. 이와 같은 특성은 대부분 수지의 화학적 구조에 의해 결정되므로, 목적에 부합하는 굴절률 설계를 위해서는 정교한 분자구조 조절이 필요하다.  굴절률()과 물질의 화학구조 간의 관계는 Lorentz-Lorenz의 식으로 나타낼 수 있다. 굴절률은 일반적으로 진공에서의 빛의 속도에 대한 매질에서의 빛의 속도의 비로 정의되며, 매질 내에서 빛의 속도, 진행 방향, 파장이 변화하는 스넬(Snell)의 법칙과도 밀접한 관련이 있다. 물질의 굴절률은 분자 굴절과 분자 부피에 의해 지배되며, 이들은 각각 전자밀도, 원자 굴절, 반데르바알스 반경, 결합거리, 분자의 체적 팽창률과 같은 분자 수준의 요소에 의해 결정된다. 일반적으로 높은 굴절률을 얻기 위해서는 분자 굴절이 크고 분자 부피가 작아야 하며, 반대로 낮은 굴절률을 설계할 경우 분자 굴절이 작고 분자 부피가 큰 구조가 요구된다.  굴절률은 수지의 분자구조에 따라 [표 5]와 같이 분류될 수 있다. 초고굴절 재료는 대체로 방향족, 유황, 할로겐 함유 화합물이나 금속 산화물을 분산시킨 hybrid계로 설계되며 대략 이 순서대로 굴절률이 증가하는 경향이 있다. 그러나 고굴절화 설계는 여러 가지 단점을 수반한다. 예를 들어, 유황 화합물은 내광성이 낮고, 할로겐계는 환경 유해성과 전자부품에 대한 부정적 영향을 초래할 수 있으며, 금속 산화물은 나노 수준에서 균일한 분산이 요구되므로 저장 안정성과 상용성 측면에서 까다로운 조건을 갖는다. 따라서 고굴절 설계 시에는 내열성, 내광성, 투명도, haze 등의 광학 특성과 함께 복합적인 재료공학적 고려가 필요하다. 한편, 저굴절 수지의 수요도 증가하고 있으며, 특히 광섬유 코팅제나 반사방지막 등에는 낮은 굴절률이 필수적으로 요구된다. 저굴절화를 위해 주로 사용되는 구조는 지방족, 실리카계, 불소계 등이 있으며, 이 중 불소계는 가장 낮은 굴절률을 제공하지만 내열성과 기계적 강도 측면에 부족하다. 실리카계는 굴절률 조절 범위가 크지만, 재료의 수가 제한적이고 가격이 높으며, 지방족계는 상용성이 뛰어나지만 굴절률 저하에 한계가 있다. 또한 불소계 및 실리카계 재료는 다른 구성 성분과 상용성 문제로 인해 조성 설계에 주의가 요구된다. 4. 에폭시 acrylate 올리고머 UV 경화형 수지의 대표적인 올리고머로 합성이 용이하고 상용성이 뛰어나며 재료 선택의 폭이 넓기 때문에 설계 유연성이 크다. 또한 빠른 경화 속도와 우수한 물성으로 다양한 산업 분야에 널리 사용된다. 에폭시 acrylate는 옥시란(oxirane) 고리 함유 화합물과 acrylic acid 또는 carboxyl기 함유 acrylate의 부가반응으로 생성되며, 반응 중 hydroxyl기가 형성되어 기재 밀착성, 상용성, 경화성, 막 특성 등에 영향을 준다. 이 hydroxyl기는 UV 경화 과정 중 산소에 의한 경화 방해를 완화하고, 추가 반응을 통해 carboxyl기나 isocyanate 등의 반응기를 도입할 수 있어 다양한 재료 설계가 가능하다. (1) 원료 에폭시기를 포함하는 화합물(비스페놀 A형 및 비스페놀 F형, 노볼락형 에폭시수지 등)과 acrylic acid 또는 acryloyl기를 함유하는 carboxyl기 유도체를 원료로 하여 제조된다. 이때 사용되는 에폭시수지는 2관능부터 다관능까지 다양하며 지방족 계열, 방향족 계열, 나프탈렌 골격을 갖는 고기능성 소재까지 범위가 넓다. 원료 선택에 따라 제품의 열적 성질, 기계적 특성, 화학적 저항성 등의 물성이 결정되므로 용도에 따라 적절한 원료 조합이 중요하다. (2) 중합법 에폭시 acrylate는 주로 부가중합 반응을 통해 합성된다.  에폭시기와 carboxyl기 또는 acrylic acid가 반응하여 ester 결합을 형성하며, 이 과정에서 hydroxyl기가 생성된다. 2관능 시스템에서는 에폭시 과량 조건 하에 2염기산과 반응 후 acrylic acid를 부가하여 사슬 연장 구조를 갖는 제품을 얻을 수 있으며, 몰비 조절로 분자량과 점도 등의 제어가 가능하다. 다관능 시스템에서는 gel화를 방지하기 위해 일반적으로 직접 acrylic acid를 부가하는 단일 반응으로 합성하며, 고기능성 에폭시수지의 사용이 중요하다. (3) 구조 기본적으로 에폭시 구조체에 acryloyl기가 부착된 구조로, acrylate기 인근에 생성되는 hydroxyl기를 공통적으로 포함하고 있다. 이러한 hydroxyl기는 기재와의 접착성 향상, 다른 수지 및 모노머와의 상용성 개선, 경화성 향상에 기여한다. 2관능 에폭시 올리고머는 비교적 저분자량으로 사슬 연장이 가능하고, 설계 자유도가 크다. 반면 다관능 에폭시 acrylate는 노볼락계 또는 나프탈렌계 에폭시 구조를 기반으로 하며, 높은 반응성과 가교 밀도를 특징으로 한다.   이러한 구조는 UV 경화에서 라디칼 개시제의 반응성과 함께 산소에 의한 경화 방해 저항성을 갖추는 데 도움을 준다. 또한, 주사슬 구조의 강성과 배향성은 경화막의 Tg 및 열적 안정성에 중요한 영향을 미친다.(4) 물성 에폭시 acrylate는 고분자 구조에서 다음과 같은 우수한 물성을 지닌다. ■ 경화성라디칼 중합을 통해 UV 또는 열경화가 가능하며, hydroxyl기의 존재로 산소에 의한 경화 방해 저항성이 일부 향상된다. ■ 기계적 특성가교 밀도가 높은 구조는 Tg가 높고 열적 안정성이 우수하지만, 과도한 가교에 의해 휨을 유발할 수 있다. 따라서 적절한 가교 밀도 조절이 필요하다. ■ 열적 특성에폭시 acrylate는 일반적으로 350℃ 이상의 열분해 온도를 가지며, 전자부품 등 고온 환경에서 내열성이 요구되는 용도에 적합하다. Tg는 가교 밀도와 주사슬 구조의 배향성에 따라 결정되며, rigid하고 배향성이 큰 구조일수록 Tg가 상승하고 흡수율은 낮아진다. ■ 흡수율 및 환경 내성높은 가교 밀도는 흡수율을 증가시켜 내환경성을 저하시킬 수 있다. 따라서 Tg와 흡수율의 균형이 중요하며, 주사슬의 높은 배향 구조를 통해 흡수율을 억제할 수 있다. ■ 기타다양한 후경화 반응(isocyanate, 멜라민 등) 및 알칼리 수용성 기능기 도입이 가능하여 패터닝, 수계 잉크용 레진과 같이 용도 폭이 넓다.  5. 우레탄 acrylate 올리고머 UV 또는 EB 경화형 수지 중에서 가장 널리 사용되는 올리고머 중 하나이다. 그 활용 범위가 넓은 이유는 우레탄 결합(-NH-CO-O-)이 적절한 수소결합을 형성하여 분자 간 상호작용을 유도하고, 이를 통해 유연성과 기계적 강도를 동시에 부여할 수 있기 때문이다. 또한 isocyanate의 높은 반응성 덕분에 다양한 조성과 구조로 맞춤 설계가 비교적 용이하다. 우레탄 acrylate는 유기 isocyanate, hydroxyl기 함유 acrylate ester, 그리고 폴리올 성분 간의 부가반응을 통해 합성되며, 이 과정에서 생성되는 우레탄 결합은 에폭시 acrylate의 hydroxyl기보다 다소 약하지만, 충분한 수소결합을 형성하여 재료에 유연성과 내충격성을 부여한다. 또한 구조 내에 hydroxyl기 또는 carboxyl기를 도입하여 다양한 기능성 부여가 가능하고, 경화 후에도 후속 반응 또는 조정이 용이하다. 특히 분자량과 가교 밀도를 조절함으로써 경화 필름의 물성을 자유롭게 조절할 수 있어, 다양한 기능성 필름 및 점착제 등으로의 설계가 가능하다. (1) 원료 우레탄 acrylate의 주된 원료는 다음과 같다. • hydroxyl기 함유 acrylic acid ester   2-hydroxyethyl acrylate(HEA), 2-hydroxypropyl acrylate(HPA) 등 • isocyanate  Methylene diphenyl diisocyanate(MDI), hexamethylene diisocyanate(HDI),   isophorone diisocya nate(IPDI) 등 다양한 2관능 또는 다관능 isocyanate • 사슬 연장용 2관능 알코올: 폴리에틸렌글리콜(PEG), 폴리프로필렌글리콜(PPG),   폴리카보네이트 디올, 폴리 ester 디올 등 • 기타 기능성 디올: carboxyl기 함유 디올 등으로 알칼리 현상성 부여 목적  우레탄 결합 형성에는 1급 또는 2급 알코올이 반응성이 높아 적합하며, 3급 알코올이나   페놀은 반응성이 낮아 사용이 제한된다. (2) 중합법 주로 단계(step-growth) 중합반응을 통해 합성된다. 2관능 또는 다관능 isocyanate와 사슬 연장용 디올을 먼저 isocyanate 과량 조건에서 반응시켜 선형 또는 분지형 우레탄 사슬을 형성한 후, hydroxyl기 함유 acrylate ester를 말단에 부가 반응시켜 acryloyl기를 도입한다. 이 반응은 무용매 또는 저휘발성 용매 조건에서 진행되며, 반응속도 조절을 위해 촉매(dibutyltin dilaurate 등)가 사용되기도 한다. (3) 구조 주사슬 내에 반복적인 우레탄 결합을 갖고 있으며, 말단에는 acryloyl기가 도입된 구조를 가진다. 사슬 중에는 PEG, PPG, polyester, polycarbonate 등의 soft 세그먼트를 포함할 수 있으며, 이는 유연성과 내충격성에 기여한다. 반면 isocyanate 구조와 acryloyl기 등은 경화 반응성과 경도 조절에 영향을 준다. 다관능화 구조의 경우 분지된 형태를 가지며 복잡한 네트워크 구조 형성이 가능하다. (4) 물성 분자량 및 가교 밀도에 따라 물성이 크게 변화한다. 일반적으로 신장률은 분자량 증가에 따라 상승하며, 파단강도는 일정 수준 이후 급격히 저하할 수 있다. UF계(특수 폴리올 구조 사용)의 경우 신장률과 파단강도의 균형을 유지할 수 있도록 설계되어 있다. 또한 우레탄 acrylate는 UV 경화 속도가 빠르고 투명성, 내약품성, 내마모성, 점착성 등 다양한 물성을 목적에 맞게 조절할 수 있어 기능성 수지로서 매우 우수한 특성을 발현한다.  < 11월호에 연재 >      
편집부 2025-10-02
기사제목
- 2만 건의 논문 인공지능 학습하여 목적 물질(결과물)의 화학식만으로 합성에 필요한 전구체(재료 물질) 예측- 인공지능 분야 최고 권위의 학회 NeurIPS(뉴립스)에 전구체 물질 예측 인공지능 논문 발표- 기존에 확보한 정방향 합성 예측 기술과 결합해, 소재 합성 전 과정에 대한 자동화 기술 상용화 기대 국내 연구진이 특정한 소재를 만들려면 어떤 최종 재료 물질이 필요한지 자동으로 알려주는 기술을 개발했다. 한국화학연구원(원장 이영국) 나경석 선임과 한국과학기술원(KAIST, 총장 이광형) 박찬영 교수 연구팀은 공동연구를 통해 목적 물질의 화학식 정보만으로 합성에 필요한 최종 재료 물질(전구체 물질*)을 예측하는 인공지능 방법론을 개발하였다.* 전구체 물질: 목표 물질을 만드는 과정에서 필요한 모든 최종 재료 물질 최근 배터리, 반도체 등 다양한 산업 분야에서 첨단 소재는 매우 중요하다. 원하는 소재를 합성하려면 중간 물질을 먼저 찾아야 하는데, 많은 비용이 드는 반복적인 실험 없이 인공지능(AI)을 활용해 찾으려는 수요가 높다.  하지만 기존의 AI 기반 기술은 신약 등 유기 소재에 집중된 반면, 무기 소재에 관한 연구는 상대적으로 부족했다. 금속 등 무기 화합물은 복잡한 구조와 다양한 원소로 인해 합성 경로를 찾기 어렵기 때문이다. 연구팀은 X라는 목적 물질의 화학식만으로, 이를 만들기 위해 필요한 전구체 물질 A, B, C, … 등을 역방향으로 예측해내는 새로운 인공지능 방법을 개발했다.  연구팀이 개발한 인공지능 방법론의 구조 모식도 화학연은 앞서 복잡한 코딩이나 서버 구축 과정 없이 물질 합성에 필요한 정보들을 인공지능으로 예측해주는 ‘ChemAI’ 플랫폼을 개발해 2022년 기술이전 한 바 있다.  이번 기술은 기존 예측 기술의 발전을 가로막았던 무기 소재의 복잡한 3차원 구조, 즉 원자 구조나 결합 정보 등을 요구하지 않는다. 대신 어떤 원소들이 얼마나 포함되어 있는지 종류와 비율을 살핀다. 그리고 이런 원소들과 목적 물질 간 열역학적 형성 에너지 차이를 계산해, 합성 반응이 더 쉽게 일어나는 전구체를 찾아낸다. 또한 전구체 물질 예측의 정확도를 높이기 위해 화학 데이터에 특화된 심층 인공신경망을 구성했다. 심층 인공신경망은 약 2만 건의 논문에 보고된 소재 합성 과정 및 전구체 물질에 대한 정보를 모두 학습했다.  이후 AI 학습 과정에서 보여준 적 없는 약 2,800건의 물질 합성 실험을 대상으로 합성에 필요한 전구체 물질을 예측한 결과, 대략 10번의 시도 중 8번 이상 성공했다. 또한 그래픽 처리장치(GPU) 가속을 통해 약 100분의 1초 이내의 매우 짧은 시간 만에 전구체 물질을 예측했다.  약 2만 건의 논문 데이터에 대한 전구체 물질 예측 정확도(Reterieval-Retro: 연구에서 개발한 인공지능 모델) 연구팀은 앞으로 화학연 연구 사업을 통해 학습 데이터셋을 확장하여 전구체 물질 예측 정확도를 90% 이상 높인 후, 2026년경 웹 기반 공공 서비스 구축을 계획하고 있다. 또한 추가 연구를 통해 목적 물질의 화학식을 제공하면 전구체 물질뿐만 아니라, 소재 합성 과정까지 모두 예측해주는 “인공지능 기반 소재 역합성 완전 자동화”도 기대 중이다.  주요 논문 기여자(왼쪽부터 화학연 나경석 선임(교신저자), KAIST 노희웅 연구원(1저자), 박찬영 교수(교신저자)) 화학연 나경석 선임이 서버실에서 인공지능의 학습 결과를 살펴보고 있다. 화학연 나경석 선임이 연구 결과를 설명하고 있다. 연구진은 “기존의 전구체 물질 예측 AI는 특정 물질 종류에만 적용이 가능했는데, 이번 연구를 통해 목적 물질의 종류에 상관없이 범용적으로 전구체 물질을 예측할 수 있게 된 점이 차별성”이라고 말했다. 또한 화학연 이영국 원장은 “신소재 개발이 필요한 다양한 산업 분야의 연구 효율 향상에 기여할 것으로 기대한다”라고 말했다. 이번 논문은 2024년 12월 인공지능 분야 최고 권위의 학회인 신경정보처리시스템학회(NeurIPS, 뉴립스)에 발표되었다. 화학연 나경석 선임연구원과 KAIST 박찬영 교수가 교신저자로, KAIST 노희웅 연구원이 1저자로 참여했다. 이번 연구는 화학연 기본 사업, 과학기술정보통신부 한국연구재단 정보 융합 기술단 및 글로벌 기초연구실 사업 (RS-2024- 00406985)의 지원을 받아 수행했다.  문의: 한국화학연구원 화학플랫폼연구본부 나경석 선임연구원(042-860-7976, 010-9928-0187)    
이용우 2025-09-11
기사제목
- 푸아송 비 극복, 완전 투명하면서 왜곡 없는 무 변형 디스플레이 기판 구현- 전단 압연 공정으로 대면적·고 투명성 스트레처블 기판 상용화 가능성 제시 차세대 디스플레이 시장에서 주목받고 있는 ‘탄성을 지닌 디스플레이 소재’는 자유롭게 펼치고 구부릴 수 있다는 장점이 있지만, 기존 소재의 한계로 인해 화면이 일그러지거나 착용감이 떨어지는 문제가 있었다.  일반 탄성체 기판은 한쪽 방향으로 늘리면 수직 방향으로 오그라드는 ‘푸아송 비(Poisson’s ratio)’1) 현상 때문에 화면이 왜곡되기 쉽다. 특히 웨어러블 기기처럼 피부와 밀착되는 전자 제품은 늘어나거나 줄어드는 과정에서 주름이 생기거나 피부를 당겨 착용감과 성능이 저하될 위험이 있다. (상) 엘라스토머 소재에서 발생하는 인장 시 왜곡 문제와 왜곡 없는 인장(하) 엘라스토머 소재의 큰 푸아송 비율과 0의 푸아송 비율을 가지고 있는 섬유 일 방향 배향 복합체 (상) SIBS 블록 공중합체의 고분자 구조(하) SIBS 블록 공중합체에서 상 분리에 의한 나노구조 형성 한국과학기술연구원(KIST, 원장 오상록) 손정곤 박사팀과 서울대학교 홍용택 교수팀이 공동으로 ‘푸아송 비’를 극적으로 낮춘 ‘나노구조 정렬 스트레처블 기판’을 개발했다. 이번 연구는 푸아송 비를 낮추면서도 투명성을 유지해, 화면 왜곡과 빛의 산란 문제를 동시에 해결한 점에서 큰 주목을 받고 있다. 연구진은 두 가지 핵심 아이디어를 결합해 이번 성과를 달성했다. 첫 번째 아이디어로, 고분자 블록이 연결된 블록 공중합체2)를 활용해 내부 나노 구조를 정렬했다. 이 블록 공중합체는 딱딱한 ‘폴리스티렌(PS)’과 부드러운 ‘폴리부틸렌(PIB)’으로 이루어져 있으며, 이를 한 방향으로 배열하면 인장 방향과 수직 방향의 탄성 차이를 극대화해 수축을 감소시킬 수 있다. 기존 탄성체의 푸아송 비는 0.4~0.5 정도인데, 연구진은 늘리는 방향에서도 기판 수직 방향 수축이 거의 없고, 화면 왜곡도 크게 줄어든 푸아송 비 0.07 이하로 낮췄다. 두 번째 아이디어로는 나노 구조를 기판 전체에 고르게 정렬하기 위해 전단 압연(Shear-Rolling) 공정을 도입했다. 이는 고온 상태에서 롤러와 스테이지 간 속도 차이를 이용해 균일한 전단력을 가하는 방식이다. 이 공정을 통해 두꺼운 기판에도 나노 구조가 투명도를 저하시키지 않고 안정적으로 정렬되었다. 실험에서는 기판의 가로 방향으로 50% 이상 늘렸을 때도 세로 방향 수축이 거의 발생하지 않는 것을 확인했다. 쉬어-롤링 공정을 통한 블록 공중합체 나노구조 일방향 배향 (상) 전단 압연 SIBS 필름의 기계적 이방성, 투명도, 푸아송 비율 측정(중), (하) 일반적인 SIBS 필름과 전단 압연 SIBS 필름의 인장 시 모양과 이미지 비교 연구진은 개발한 기판을 실제 소자에 적용해 픽셀 배열 변화를 관찰했다. 기존 탄성체 기판은 50% 늘리면 픽셀 간 간격이 들쭉날쭉하거나 세로 픽셀이 붙는 왜곡이 발생했다. 반면, 나노구조 정렬 기판은 픽셀이 고르게 배열되어 이미지가 깨지지 않고, 주름이나 거친 표면이 생기지 않아 투명도도 유지됐다. 개발된 새로운 스트레처블 기판은 차세대 디스플레이, 웨어러블 전자기기, 태양전지 등 다양한 분야의 핵심 소재로 사용될 전망이다. 또한, 이번에 사용된 전단 압연 공정은 다른 블록 공중합체나 고분자 필름에도 적용이 가능해 간단한 방식으로 대면적 처리에 적합한 기술로 평가받고 있다. KIST 손정곤 박사는 “본 연구는 나노구조를 정밀하게 제어하여 왜곡이 없으면서도 완전하게 투명한 스트레쳐블 기판을 개발하는 새로운 방식을 제안하였으며, 이를 구현하기 위한 전단 압연 기술은 대량생산과 산업화에 쉽게 적용할 수 있다”라고 말하며, “현재 이 기판을 활용하여 디스플레이 발광 소자를 전사하여 인장 시에도 왜곡 없는 실제 디스플레이 디바이스를 구현하는 연구를 수행 중이다”라고 강조했다. 본 연구는 과학기술정보통신부(장관 유상임) KIST 주요 사업, 중견연구자지원사업(2022R1A2B5B02001597) 및 STEAM사업(RS-2024-00451691)의 지원을 받아 수행됐다. 이번 연구 성과는 국제 학술지 「Advanced materials」 (IF 27.4 JCR 분야 상위 2.4%) 최신호에 게재됐다.* 논문명: Fully Transparent and Distortion-Free Monotonically Stretchable Substrate by Nanostructure Alignment     
이용우 2025-09-11
기사제목
- 디스플레이, 반도체, 항공우주 등 첨단 산업에서 폭넓게 활용 가능한 친환경 폴리이미드 소재 개발 환경 규제가 강화되고 친환경 소재 수요가 늘어나는 가운데, 국내 연구진이 독성 유기용매 대신 물을 활용한 폴리이미드 제조 기술을 세계 최초로 개발했다. 한국화학연구원 원종찬·김윤호·박종민 박사 연구팀은 물을 용매로 사용해 고온 내구성과 높은 강도를 갖춘 폴리이미드를 중합하는 친환경 공정을 성공적으로 구현하였다.   본 기술의 핵심인 중합이 완료된 수계 폴리이미드 용액   수계 폴리이미드 제조 기술을 개발한 고기능고분자연구센터 연구자들   폴리이미드는 우수한 내열성, 기계적 강도, 화학적 안정성을 지닌 고분자 소재로, 디스플레이, 반도체, 항공우주 등 첨단 산업에서 폭넓게 활용된다. 특히 반도체 및 전자기기 수요 증가로 전 세계 폴리이미드 시장은 연평균 7% 이상의 성장을 기록 중이다. 그런데 기존 폴리이미드 중합은 NMP, DMAc, DMF와 같은 독성 유기용매를 필수적으로 사용해 환경 오염과 인체에 유해하다는 문제가 있었다. 더불어, 중합 공정 온도가 350도 이상으로 높아 에너지 소비가 크고 생산 단가가 높은 한계가 있었다.  수계 폴리이미드 용액을 이용한 대면적 필름화 공정  물을 용매로 하는 폴리이미드 친환경 중합 기술 개발  물을 용매로 이용한 폴리이미드 친환경 중합 기술 및 이를 이용한 코팅용액, 필름 제조 및 3D 프린팅 구조화 응용 연구 그림 이러한 문제를 해결하기 위해 연구팀은 물 기반(Water-borne) 중합 공정을 개발했다. 이를 통해 기존 유기용매 공정을 대체하며, 고성능 폴리이미드를 친환경적으로 합성할 수 있는 길을 열었다. 개발된 기술은 기존 대비 공정 온도를 250도 이하로 낮추면서, 기존 유기용매 방식을 적용하여 이미 상용화된 대표적인 폴리이미드 제품*과 동일한 수준의 물성을 확보하였다. * 600°C 이상의 우수한 내열 특성과 330메가파스칼(MPa) 이상의 높은 인장강도 물에서 중합한 불소계 투명 폴리이미드 및 필름화 기술 개발  불소계 투명 폴리이미드 전구체 수계 합성 및 고상 중합을 통한 분자량 증폭 개념도, 투명 폴리이미드 필름 위에 제작된 투명 면상발열체(히터) 발열 특성 결과  박사랑 석사후연구원(주저자)이 제조한 폴리이미드 일반적으로 기존의 폴리이미드 소재 제조 공정에는 비점*이 높고 독성이 강한 유기용매**가 사용되지만, 본 기술은 물을 반응 용매로 사용하여 합성 재료의 원가를 10% 이하***로 대폭 절감할 수 있다. 또한 독성 유기용매 처리를 위한 고비용 증류 회수시설이 필요 없다.* 액체 물질의 증기압이 외부 압력과 같아져 끓기 시작하는 온도     ** NMP(N-Methyl-2-pyrrolidone), DMAc(Dimethylacetamide), DMF(Dimethylformamide)*** 용매 원가: NMP 20L 약 400불($), 증류수 20L 10불($), 공업용 수돗물 1톤 1불($) 미만 물 환경에서의 폴리이미드 기능화     물을 용매로 이용한 폴리이미드 고분자의 기능화 중합 기술 및 이를 이용한 미세 패턴 형성 공정 기술 및 이를 이용한 반도체 디바이스 제작 예시. 또한, 기존 유기용매 기반 공정에서는 350°C 이상의 고온이 필요하지만, 본 기술은 공정 온도를 100°C 이상 낮춘 250°C의 저온 공정을 가능하게 하여 에너지 소비를 전기 용량 기준으로 30% 이상 절감할 수 있는 장점이 있다. 본 기술은 기존의 독성 유기용매를 대체하는 친환경 공정을 제시함으로써, 폴리이미드 소재의 상업화 가능성을 더욱 높였다. 실제로 본 기술을 활용하여 배터리 음극 바인더 및 절연 소재로 두 차례 기술 이전을 체결하였다. 연구팀은 배터리 바인더, 절연 코팅, 3D 프린팅 소재 등 다양한 응용 연구를 통해 고부가가치 산업으로 확장해 나갈 계획이다. 원종찬·김윤호 박사는 “이번 연구는 환경과 경제성을 동시에 만족시키는 혁신적인 친환경 공정으로, 폴리이미드 소재뿐만 아니라 고성능 고분자 소재의 장기적 발전과 글로벌 경쟁력 강화를 위해 연구를 이어갈 계획이다”라고 밝혔다. 이번 연구 결과는 에이씨에스 서스테이너블 케미스트리 & 엔지니어링(ACS Sustainable Chemistry & Engineering, IF : 8.3) 10월호 표지논문과 케미칼 엔지니어링 저널(Chemical Engineering Journal, IF : 13.4) 7월호에 각각 게재되었다. 또한 한국화학연구원 기본사업과 과학기술정보통신부의 중견 연구자 사업, 나노 및 소재 기술개발사업의 지원을 받아 수행되었다.       
이용우 2025-09-03
기사제목
맺음말 플라스틱 사출 산업은 전통적으로 노동집약적이며 경험 중심의 운영 체계를 유지해 왔지만, 데이터 기반 AI 기술의 접목을 통해 새로운 전환점을 맞이하고 있다. 본 고에서는 AI가 기존의 시행착오 중심의 공정 개발 방식을 어떻게 가속화하고, 컴파운딩 소재 설계와 사출 공정 최적화에 어떤 방식으로 접목될 수 있는지를 사례 중심으로 살펴보았다. 특히, 단순히 AI 모델을 도입하는 것을 넘어, 도메인 지식에 기반한 데이터 수집과 정제, 균형 잡힌 학습 구조, 그리고 실제 적용 가능한 대리모델 및 최적화 전략의 중요성을 강조하였다. 컴파운딩 소재의 조성 및 구조는 매우 방대한 설계 공간을 가지며, 고성능 조합을 찾기 위해서는 실험 기반 탐색만으로는 한계가 존재한다. 이에 따라 물성 예측을 위한 대리모델 구축, 실험설계 기반 초기 데이터 선정, 베이지안 최적화 등 데이터 효율성이 높은 AI 기반 설계 전략이 요구된다. 그러나 현실적으로는 고성능 조합의 데이터 부족, 실측 데이터의 노이즈와 불균형, 고차원 설계 공간에서의 예측 불확실성 등 다양한 제약 조건이 존재한다. 본 고에서는 이를 극복하기 위한 현실적 방법으로, featurization 전략, 균형 잡힌 샘플링, 변수 수 축소 및 강화학습 기반 최적화 등 다양한 기술을 제시하였다. 한편, 사출성형 공정 최적화에서는 세 가지 AI 응용 접근을 중심으로 소개하였다. 첫째, 환경 변화에 적응해 양품 생산 조건을 추천하는 생성형 AI 기반 모델은 사출기의 온도, 습도 등 환경 조건에 따라 최적 공정변수를 추천함으로써 생산 안정성과 품질을 동시에 달성할 수 있도록 한다. 둘째, 강화학습 기반의 실시간 최적화 전략은 외부 환경과 비용 요소를 반영하여 수익성을 극대화하는 공정 운영 정책을 자동으로 도출할 수 있음을 보였다. 특히 PPO, SAC 등의 강화학습 알고리즘은 수렴성과 계산 효율성 측면에서 기존 최적화 기법보다 실시간적용 가능성이 높다는 점에서 주목할 만하다. 셋째, LLM 기반의 사출성형 지식 전이 시스템은 기존의 도제식 경험 전수를 대체할 수 있는 수단으로서, 언어 장벽과 숙련도 차이를 극복하고 AI 비전문가도 복잡한 공정을 효율적으로 다룰 수 있는 인터페이스를 제공한다. 이러한 AI 기반 전략들이 현장에서 실효성 있게 작동하기 위해서는 기술적 요소뿐만 아니라 제도적·조직적 기반의 정비도 병행되어야 한다. 첫째, 기업 차원에서는 실험 설비와 데이터 수집 체계의 표준화가 선행되어야 하며, AI 도입 초기에는 전문가와 비전문가가 협업할 수 있는 데이터 해석 환경이 구축되어야 한다. 둘째, 기업 데이터가 곧 경쟁력이라는 현실을 고려할 때, 데이터 자체를 공개하지 않으면서도 서로의 데이터를 활용할 수 있는 협력 구조가 필요하다. 예컨대, 연합학습(Federated Learning) 36과 같이 데이터는 로컬에 남겨두되, 모델 학습만을 공유하는 방식은 기업 간 민감한 정보 보호를 유지하면서도 공동의 AI 성능 향상을 도모할 수 있는 유력한 방법론이다. 이러한 프라이버시 친화적 접근은 기업의 데이터 자산 가치를 훼손하지 않으면서도, 국내 제조 AI 생태계 전체의 성장을 유도할 수 있다. 셋째, 교육 측면에서는 AI 리터러시 교육과 도메인 전문가 중심의 ‘AI 융합 리더’ 양성이 필요하며, 이를 통해 제조업 현장과 AI 기술 간의 인력·언어 간극을 해소할 수 있다. 결론적으로, 컴파운딩 소재 설계 및 사출성형 공정 최적화는 단순한 공정 자동화를 넘어, ‘데이터 기반 의사결정 시스템 구축’이라는 관점에서 접근해야 한다. AI는 단지 알고리즘의 도입이 아니라, 데이터를 보는 시각과 문제를 정의하는 방식의 전환을 요구한다. 사출 산업의 특성과 현실을 충분히 반영한 설계–데이터–AI의 삼각 구조를 잘 연결한다면, 제조 산업 전반에 걸쳐 생산성 향상, 품질 안정성 확보, 인력 의존도 완화 등 다층적인 혁신 효과를 기대할 수 있다. 향후 연구 및 산업계의 실천적 노력은 이러한 AI 기반 혁신이 실질적인 경쟁력 강화로 이어질 수 있도록, 더 깊이 있는 통합적 전략 수립으로 이어져야 할 것이다.   
취재부 2025-09-02
기사제목
  1. 서론  현대 소재 개발과 제조 공정 관리에서는 인공지능(AI: Artificial Intelligence)이 혁신 도구로 부상하고 있다. 특히 폴리머 컴파운딩 소재 설계와 플라스틱 사출성형 공정 최적화 분야에서는, 경험과 시행착오에 의존하던 기존 방식에서 벗어나 방대한 데이터와 AI를 활용한 데이터 기반 접근으로의 전환이 빠르게 진행되고 있다.  AI 기술의 본질은 입력 변수 공간에서 출력 결과 공간으로의 대응, 즉 ‘정의역에서 치역으로의 mapping 함수’라고 볼 수 있다. 예를 들어, 소재의 조성이나 공정 조건과 같은 입력을 주면, 물성치나 제품 품질 같은 결과를 예측하는 함수 모델로 작동하며, 복잡한 물리·화학적 관계를 수학적으로 근사하는 대리모델로 활용될 수 있다. 실제로, 사출성형기를 반복 가동하며 얻을 수 있는 결과를 미리 학습된 AI 모델이 빠르게 예측해 줄 수 있다면, 이는 일종의 가상 실험 장치처럼 기능하면서 제품 개발과 생산 공정을 크게 가속화할 수 있다.  이러한 AI 대리모델을 효과적으로 구축하기 위해 서론에서는, 특히 두 가지 핵심 요소를 강조하고자 한다.  첫째, 도메인 지식과 이를 활용한 데이터 샘플링 전략의 중요성이다. 그림 1과 같이 도메인 지식이 부족한 사람이 아무리 많은 데이터를 수집하더라도, 그 데이터가 성능을 기대할 수 없는 조건에서 수집된 것이라면, 그 학습 데이터로 훈련된 AI 모델은 결코 최적의 사출성형 공정을 도출할 수 없다. 소재와 공정의 설계 공간은 매우 넓고, 실험에는 시간과 비용이 수반되기 때문에 모든 조건을 탐색하는 것은 현실적으로 불가능하다. 따라서 초기 학습 데이터의 선정은 AI 모델의 성능에 큰 영향을 미치며, 무작위 샘플링은 입력 변수 공간 내에서 데이터의 치우침을 야기할 수 있다. 이를 방지하려면 전문가의 경험과 지식을 반영한 실험설계(design of experiment)를 신중히 수행해야 한다. 1, 2 둘째, 이상적인 데이터셋을 확보하기 어려운 현실을 고려할 때, 데이터를 가공하고 보완하는 AI 관련 지식 역시 중요하다. 예를 들어, 공정 조건에 대한 AI 모델이 양품과 불량을 분류하는(classify) 역할을 한다면, 두 클래스 간 데이터 비율이 유사해야 예측 편향을 줄일 수 있다. 3그러나 실제 현장에서는 대개 양품 또는 불량 중 하나가 압도적으로 많아 데이터 불균형 문제가 흔히 발생한다.  4~6 또 다른 예로, 조성이나 공정 조건을 조정하여 제품 성능을 예측하고(regression), 이를 통해 성능을 향상시키고자 하는 경우에는, 고성능 제품에 대한 데이터가 충분히 확보되어야 해당 영역에서의 예측 정확도를 보장할 수 있다. 그러나 현실에서는 대부분 평균적인 성능을 가진 기존 제품의 데이터가 많기 때문에, AI 모델이 고성능 영역을 제대로 학습하지 못하는 문제가 있다. 7 또한 데이터 수집 체계가 부실하거나 노이즈가 많은 경우, 그 데이터를 기반으로 학습된 AI 모델은 오히려 무용지물이 될 수 있으며, 이와 관련된 이상치 탐지와 제거 관련 연구도 활발히 진행 중이다. 8, 9 본 기고문에서는 도메인 지식을 바탕으로 양질의 데이터셋을 구축하고 AI 모델 학습이 가능할 때, 컴파운딩 소재의 설계 및 공정 최적화를 위한 다양한 최적화 및 설계 알고리즘을 어떤 방식으로 적용할 수 있는지, 사출 산업 전반의 실제 사례를 중심으로 설명하고자 한다. 우선 사출 산업의 개요와 국내외 연구 동향을 살펴본 뒤, 컴파운딩 소재에 대한 빅데이터 수집 및 설계 접근법을 소개한다. 컴파운딩 소재의 입력 변수가 너무 많고 생산 가능한 조합이 워낙 다양하다 보니, 아직 균형 잡힌 데이터셋이 충분히 구축되어 있지 않고, featurization도 효율적으로 정립되지 않은 상황임을 함께 서술하고자 한다. 한편, 사출성형 공정 최적화는 상대적으로 유의미한 공정변수의 수가 적고, 데이터 샘플링이 잘 된 사례가 있어, 세 가지 측면에서의 최적화 알고리즘을 소개하고자 한다. 첫째, 같은 장비로 같은 형상의 제품을 생산하더라도 공장의 온도나 습도에 따라 양품 생산 조건이 달라지는 경우가 있는데, 이러한 외부 환경에 적응해 양품 생산이 가능한 공정 조건을 추천해 주는 생성형 AI(generative AI) 기반 연구를 소개한다. 둘째, 시간대나 계절에 따라 변동하는 재료비, 전기가격, 환경 조건에 맞춰 이익을 극대화하는 공정 조건을 찾아내는 강화학습 기반 연구를 다룬다. 마지막으로, AI에 대한 전문 지식이 없는 사람도 효율적으로 AI를 활용할 수 있도록 대형언어모델(LLM)을 접목한 사출 공정 최적화 연구 사례를 소개한다. 2. 사출 산업 전반 및 관련 국내외 연구 동향  2.1 플라스틱 사출 산업의 중요성과 현황 플라스틱 사출 산업은 자동차, 전자제품, 의료기기, 화장품 및 식품 용기 등 생활 전반에서 광범위하게 사용되는 플라스틱 제품을 생산하는 중요한 기초 산업이다. 특히 생활 소재의 약 80%를 차지할 정도로 산업적 비중이 높지만, 여전히 대표적인 3D 업종으로 인식되어 노동력 유입 감소와 낮은 생산성, 높은 산업재해율 등 다양한 문제로 인해 기술 및 경쟁력 향상에 어려움을 겪고 있다. 이러한 문제 중에서도 숙련된 작업자의 경험과 지식이 체계적으로 데이터화되지 못한 채 소멸하면서, 생산 현장에서 품질 관리와 공정 최적화가 점점 더 어려워지고 있다. 자동화 설비가 도입된 생산 현장에서도 여전히 제품 품질은 작업자의 숙련된 지식과 경험에 의존하는 경향이 크다. 그러나 숙련자의 노령화 및 인력의 지속적인 이탈로 인해 숙련된 경험과 지식이 손실되고, 이를 데이터화하지 못한 결과 기술 발전이 정체되는 현상이 발생하고 있다. 이에 따라 제조 경쟁력은 더욱 약화할 수밖에 없는 상황이다.  2.2 플라스틱 사출 산업의 문제점과 이에 대한 해결을 위한 국내외 연구 동향   2.2.1 제품 생산-검사 공정의 수작업으로 인한 생산성 및 품질 저하플라스틱 사출 제품은 외관 품질에 매우 민감하며, 색상 및 종류가 다양하여 제품 생산 및 품질 검사를 위해 많은 인력이 수작업으로 양품 조건을 탐색하거나 불량 여부를 육안으로 전량 검사하고 있다. 이러한 수작업 방식은 작업자의 숙련도에 따라 품질의 불균일성이 발생하며, 피로 누적으로 인한 생산성 및 정확성 저하의 원인이 되고 있다. 10 이를 해결하기 위하여 LG생활건강, 아모레퍼시픽, 현대자동차, 삼성전자 등 주요 기업들은 무인 품질 검사 시스템을 도입하여 자동화를 추진하고 있으나, 숙련공의 경험에 의존하는 양품 조건 탐색까지 완전 자동화하는 데에는 기술적 한계가 존재하여 추가적인 기술 개발이 요구된다.  2.2.2 숙련공 의존적인 양품 조건 탐색으로 인한 제조 경쟁력 저하 및 재해 위험플라스틱 사출 공정에서 다양한 형상, 재료 및 환경 조건에 따라 양품 생산을 위한 양산 조건을 설정하는 과정은 전적으로 숙련된 작업자의 경험과 지식에 의존하고 있다. 하지만 숙련자의 지식과 경험이 도제화되지 않아 지속적으로 소실되고 있으며, 신규 작업자의 유입 감소로 인해 제조 경쟁력이 계속 저하되고 있다. 또한, 플라스틱 사출 산업은 화학물질 노출, 고온·고압 환경, 금형 및 프레스 작업으로 인한 산업재해 위험성이 높아 이를 개선할 수 있는 기술 개발이 절실히 요구되고 있다. 2.2.3 국내외 연구 동향플라스틱 사출 산업의 문제 해결을 위해 국내외 다양한 기관에서 선행 연구가 이루어지고 있다. 세계 최대 플라스틱 사출성형기 제조업체인 독일 Engel 社는 미국의 Autodesk 社와 협력하여 양산 조건을 CAE(Computer-Aided Engineering)로 해석하고, 이를 사출성형기와 직접 연동하는 애플리케이션인 ‘Sim-link’를 개발하였다. 이를 통해 양산 조건을 양방향으로 전송하고 계량, 사출 속도, 보압, 쿠션 등 주요 공정변수를 자동으로 최적화할 수 있으며, 데이터 입력 오류 및 시간 소모를 크게 줄일 수 있다. 국내에서는 정부의 『뿌리 4.0 경쟁력 강화 종합 계획』을 통해 플라스틱 사출 산업이 뿌리산업으로 지정되면서 정책적 지원과 투자가 활발히 진행되고 있다. 대표적으로 국내 최대 사출성형기 제조업체인 우진플라임 社는 고등기술연구원과 협력하여 숙련자의 공정 변경 이력, 외부 환경 데이터, 제품 불량 데이터를 학습하여 엣지 디바이스에서 최적 조건을 자동으로 추론하는 ‘엣지-클라우드 기반 사출성형 공정 지능화 시스템’을 개발하였다.  사출성형기 제조업체 외에도 연구기관 및 학교 등에서는 실제 실험, 시뮬레이션, 데이터 분석 등 다양한 접근법으로 연구를 진행하고 있다. 실제 실험을 통한 선행 연구는 작업자의 반복적인 시도 및 오류(Trial and Error) 문제를 해결하기 위해 실험 계획법에 기반하여 특정 변수를 순차적으로 변경하며 원하는 품질의 조건을 찾는 방식으로 진행되었다. 대표적으로 Huang et al. 11, Wu et al. 12, Kuo et al. 13 등이 다구찌 방법론(Taguchi method)을 활용하여 최적 조건을 찾았으며, Viana et al. 14은 실험 계획법과 ANOVA 통계 분석을 결합하여 충격과 생산 조건 간의 상관관계 및 최적 조건을 결정하는 연구를 수행하였다.  시뮬레이션을 통한 선행 연구는 수지의 유체 흐름 및 열전달을 중심으로 사출품의 불량 여부를 예측하거나, 불량을 방지할 수 있는 양산 조건 도출 및 금형 최적화 연구가 진행되었다. 대표적으로, Seow et al. 15은 각 캐비티(Cavity)로 흐르는 수지량에 따른 불량 가능성을 확인하고, 이를 방지할 수 있는 양산 조건을 확인한 연구를 수행하였다. Smith et al. 16은 금형 형상에 따른 민감도 분석을 수행하여 특정 불량을 방지할 수 있는 최적 금형을 설계하였다. 또한, 시뮬레이션을 통해 특정 생산지표의 최대화 및 최소화를 달성할 수 있는 양산 조건 가능 영역인 프로세스 윈도우(Process window)를 찾는 연구도 수행되었는데, 대표적으로 Seaman et al. 17은 생산 속도를 최대화하면서도 특정 불량을 방지할 수 있는 다목적 최적화(Multi-object optimization) 프로세스 윈도우 탐색 연구를 수행하였다. 생산 데이터 분석을 통한 선행 연구는 인공지능 기술의 확산과 함께 2020년 이후로 본격 진행되었다. 대표적으로, Bensingh et al. 18은 인공신경망(ANN)과 입자 군집 최적화(Particle swarm optimization)를 이용하여 광학 렌즈의 수축 불량을 막을 수 있는 양산 조건 산출 연구를 수행하였다.  Sedighi et al. 19도 인공신경망과 유전 알고리즘(Genetic algorithm)을 활용하여 웰드라인(Weldline) 불량을 최소화할 수 있는 금형 게이트의 위치 최적화 연구를 수행하였다. 그 밖에도 Manjunath et al. 20, Alvarado et al. 21은 제품 변형을 최소화하거나, 또는 Tsai et al. 22, Chen et al. 23, Trovalusci et al. 24과 같이 특정한 기계적 특성을 향상시킬 수 있는 양산 조건 조합을 찾는 연구가 수행되었다.   3. 컴파운딩 소재 설계 3.1 빅데이터 현황과 구축 노력 현대 소재 산업은 고성능, 경량화, 지속 가능성을 갖춘 신소재에 대한 수요 증가로 인해 전통적인 실험 기반 접근 방식의 한계를 드러내고 있다. 이러한 한계를 극복하기 위해 빅데이터와 인공지능(AI)을 활용한 소재 개발이 주목받고 있다. AI는 입력과 출력 간의 복잡한 비선형 관계를 효과적으로 모델링할 수 있어, 소재의 구조-특성-성능 간의 복잡한 상호작용을 이해하고 예측하는 데 기여한다. 예를 들어, Google DeepMind의 GNoME(Graph Networks for Materials Exploration)는 Materials Project의 데이터를 활용하여 380,000개의 새로운 안정적인 물질을 예측하였으며, 이는 소재 개발의 속도를 획기적으로 향상시킬 수 있는 가능성을 보여준다. 25 컴파운딩 소재 개발을 위한 데이터베이스 구축은 국내외에서 활발히 진행되고 있다. 대표적인 예로, 미국의 Materials Project는 밀도 범함수 이론(DFT)을 기반으로 약 130,000개 이상의 무기 화합물의 물성 데이터를 제공하여 신소재 개발을 지원하고 있다. 26 또한, 독일의 NOMAD(Novel Materials Discovery) 프로젝트는 계산 및 실험 데이터를 통합하여 FAIR(Findable, Accessible, Interoperable, Reusable) 원칙에 따라 소재 데이터를 공유하고 있으며, 50개 이상의 원자 수준 계산 코드에서 생성된 입력 및 출력 파일을 저장하고 이를 코드 독립적인 형식으로 변환하여 AI 분석에 활용할 수 있도록 지원한다. 27 한국화학연구원(KRICT) 화학 플랫폼 연구본부는 고분자 소재 데이터의 효율적인 관리와 활용을 위해 웹 기반의 플랫폼인 ChemDX(Chemical Data Explorer)를 제공하고 있다. ChemDX 내 MatDX는 소재 데이터 탐색기로, 공개 데이터베이스 및 KRICT와 협력 기관에서 제공한 실험 및 계산 데이터를 통합하여 소재의 물성 정보를 제공한다. ChemAI는 화학 분야에 특화된 인공지능 플랫폼으로, 다양한 예측 알고리즘과 그래프 신경망(Graph Neural Networks)을 활용하여 분자 및 결정 구조로부터 물성 예측 모델을 구축할 수 있다. 이 외에도 신약 개발을 위한 화합물 데이터 플랫폼인 KCB(Korea Chemical Bank)와 화학 혼합물의 독성 예측을 위한 MRA Toolkits를 제공하여 연구자들이 다양한 데이터를 손쉽게 검색하고 활용할 수 있게 한다. 이러한 플랫폼들은 컴파운딩 소재의 설계와 최적화를 위한 기초 자료로 활용되며, AI 기반의 예측 모델 개발에도 중요한 역할을 한다. 예를 들어, 고분자 합성, 가공, 특성 평가, 응용 사례 등의 데이터를 통합하여 AI 모델의 학습 데이터로 활용함으로써, 신소재 개발의 효율성과 정확성을 향상시킬 수 있다. 이러한 노력은 국내외 소재 산업의 경쟁력을 강화하고, 지속 가능한 신소재 개발을 촉진하는 데 기여하고 있다. 3.2 빅데이터를 활용한 소재 최적화 사례 최근 소재 최적화 접근 방식은 소재의 내부 구조를 설계하거나, 또는 조성 및 공정 조건을 조절하여 물성을 향상시키려는 시도로 나뉜다. 이 과정에서 빅데이터와 인공지능(AI)의 활용은 구조–성능 간의 복잡한 비선형 관계를 효과적으로 예측할 수 있는 수단으로 주목받고 있으며, 다양한 분야에서 그 가능성을 입증하고 있다.  첫째는 소재 내부의 구조를 최적화하여 물성을 향상시키는 것으로, 대표적 사례로는 단백질 구조 설계 분야에서의 AI 활용이 있다. RFdiffusion은 확률적 생성 모델(diffusion model)을 기반으로 단백질 구조를 설계하는 모델로, 기존의 구조 예측을 넘어 실제 단백질 기능을 유도하는 3차원 구조를 설계하는 데 성공하였다. 28 이는 고차원 구조 공간에서 목적 기능을 갖춘 분자를 생성하는 AI 기반 소재 설계의 가능성을 보여준다.  또한, Hybrid TPMS 기반 Architectured Materials(HTAM)는 다목적 베이지안 최적화(MBO)를 통해 높은 비강성(stiffness-to-weight ratio)을 갖는 구조를 탐색한 사례로, SLS(Selective Laser Sintering) 및 2PP(Two-Photon Polymerization) 등의 고정밀 3D 프린팅 기술을 통해 이를 실제로 제조하고 기계적 물성 향상을 검증하였다. 29 이외에도, 복합재료 내부의 구성에 따라 파괴 거동을 고려하여 crack propagation 경로까지 설계한 사례도 보고되었다. 30 STGNet이라는 spatiotemporal 모델과 유전 알고리즘(GA)을 결합하여, 복합재료 내부의 균열 전파 경로와 응력 분포를 빠르게 예측하고, 이를 기반으로 고강도·고인성 재료 구조를 역설계하는 데 성공하였다.  둘째는 조성과 공정변수를 조절하여 물성 향상을 위해 AI를 활용하는 것이다. 현재까지 다양한 기계학습(ML) 알고리즘을 활용하여 복합재료의 인장강도, 탄성률, 충격 저항성 등의 물성을 예측하고 최적의 섬유/수지 조합을 도출하는 사례들이 보고되고 있다. 예를 들어, Chang et al. 31은 engineered cementitious composites(ECC)의 인장강도 및 변형률을 예측하기 위해 GEP, GA-ANN, ANFIS 모델을 비교하였고, 실제 혼합물 설계에 대해 실험을 수행하여, 예측과 실측이 거의 일치함을 보였다. Ren et al. 32은 WC 기반 복합 소재의 경도와 파괴인성 예측을 위해 SHAP 기반 ML 프레임 워크를 개발하고, 후보 조성에 대해 실제 진공 소결 실험을 통해 기계적 물성을 검증하였다.  이러한 데이터 기반 접근은 실험 수를 줄이고, 고성능 조성을 신속하게 탐색할 수 있는 장점이 있다. 특히, Bayesian Optimization이나 Multi-objective Optimization 기법과 결합할 경우, 정량적 성능 목표를 동시에 만족시키는 복합 목적 함수를 기반으로 한 조성 설계도 가능해지고 있다. 그러나 조성과 공정은 수십 개 이상의 입력 차원을 가지는 고차원 설계 공간이며, 실험을 통해 결과를 받아보기까지 상당한 시간과 비용이 소요된다. 이러한 제약은 최적화 과정에서 실용적인 장벽으로 작용하고 있으며, 이는 다음 절에서 다룰 현실적인 어려움과 직결된다. 3.3 조성·공정 최적화의 어려움 및 대응 방안 소재의 조성과 공정 조건을 최적화하는 과정에서, 산업계는 여러 현실적인 제약에 직면한다. 특히, 다수의 입력 변수와 출력 변수 간의 복잡한 비선형 관계로 인해, 실험 기반의 최적화는 시간과 비용 측면에서 비효율적일 수 있다. 이러한 최적화 과정에서의 주요 어려움은 다음과 같다: 3.3.1 고차원 입력 변수 공간의 문제소재의 물성은 다양한 조성 및 공정변수에 의해 결정되며, 이들 변수 간의 상호작용은 비선형적이다. 입력 변수의 수가 증가함에 따라, 전체 설계 공간의 부피는 기하급수적으로 증가하여 데이터의 밀도가 희박해지는 현상이 발생한다. 이러한 현상은 ‘차원의 저주(curse of dimensionality)’로 알려져 있으며, 고차원 공간에서의 데이터 분석과 모델링을 어렵게 만든다. 33 예를 들어, 입력 변수가 2개이고 각 변수에 대해 상한과 하한값을 고려할 경우, 가능한 조합은 22×2=16개이다. 그러나 입력 변수가 10개로 증가하면, 가능한 조합은 22×10=1,048,576개로 급증한다. 이러한 조합의 수는 실험적으로 모두 탐색하기에 현실적으로 불가능하며, AI 기반 대리모델이 입력 공간 전체를 효과적으로 학습하는 데에도 한계가 있다. 이러한 문제를 해결하기 위해서는,• 물리적 지식과 기존 연구 결과를 활용하여 최적화 대상 변수를 최소화하는 것이 중요하다.• 변수의 수가 많을 경우, 주성분 분석(Principal Component Analysis, PCA)과 같은 차원 축소 기법을 활용하여 입력 변수의 수를 효과적으로 줄이는 것이 필요하다. 3.3.2 초기 데이터 분포의 적절성 확보AI 기반 대리모델의 학습과 최적화 성능은 초기 데이터셋의 품질에 크게 의존한다. 초기 데이터가 입력 공간을 고르게 대표하지 못할 경우, 모델의 예측 정확도와 일반화 능력이 저하되며, 최적화 과정에서 비효율이 발생할 수 있다. 무작위 샘플링(Random Sampling, RS)은 구현이 간단하지만, 고차원 공간에서는 샘플이 특정 영역에 집중되거나 중요한 영역이 누락될 수 있다. 이에 따라 일부 영역에서는 예측의 불확실성이 증가하고, 모델의 성능이 저하될 수 있다. 또한, 최적화 과정에서 이러한 누락된 영역을 탐색하기 위해 불필요한 반복이 발생하여 효율성이 감소한다.  이러한 한계를 극복하기 위해 라틴 하이퍼큐브 샘플링(Latin Hypercube Sampling, LHS)이 제안되었다. LHS는 각 입력 변수의 범위를 동일한 확률 간격으로 나누고, 각 구간에서 하나의 샘플을 선택하여 전체 입력 공간을 균일하게 탐색할 수 있도록 한다. 최근 연구에서는 LHS가 RS에 비해 예측 정확도와 모델의 일반화 능력에서 우수한 성능을 보였으며, 특히 고차원 공간에서의 효율적인 샘플링 방법으로 주목받고 있다. 34 따라서, 초기 데이터셋을 구성할 때는 LHS와 같은 균일한 샘플링 기법을 활용하여 입력 공간 전반을 고르게 대표하는 데이터 포인트를 확보하는 것이 중요하다. 이는 AI 대리모델의 학습 효율성을 높이고, 최적화 과정에서의 반복 횟수를 줄이며, 전체적인 최적화 성능을 향상시키는 데 기여할 수 있다. 3.3.3 최적화 과정에서의 효율적 후보군 추출전통적으로 소재 성능 개선을 위한 후보 조합의 선정은 경험적(Trial and error) 방법과 유전 알고리즘 기반의 최적화 기법에 의존해 왔다. 그러나 각 방법은 시간과 비용이 많이 소요되며, 탐색(exploration) 보다는 활용(exploitation)에 중점을 둔 방법들로 전역 최적점을 찾기 위해 많은 반복이 요구된다는 단점이 있다.  이에 대한 대안으로 베이지안 최적화(Bayesian Optimization)가 제안되었다. 베이지안 최적화는 확률적 모델을 기반으로 하여, 실험이나 시뮬레이션을 통해 얻은 데이터를 활용하여 다음 실험에서 가장 유망한 후보를 선택하는 방법이다. 35 베이지안 최적화의 핵심은 획득 함수(acquisition function)이며, 그중에서도 기대 향상(Expected Improvement, EI)은 현재까지의 최적 결과보다 얼마나 개선될 수 있는지를 확률적으로 평가하여 후보를 선택한다. EI는 탐색(exploration)과 활용(exploitation) 사이의 균형을 유지하여, 최소한의 실험으로도 빠르게 향상된 조성 및 공정 조건을 찾을 수 있도록 한다.  조성 및 공정 조건의 최적화는 고차원 입력 변수 공간, 초기 데이터 분포의 적절성, 후보군 선정의 효율성 등 여러 어려움이 존재한다. 그러나 물리적 지식과 기존 연구 결과를 활용하여 최적화 대상 변수를 최소화하고, 효율적인 샘플링 및 최적화 기법을 적용함으로써, 시간과 비용 측면에서 효율적인 최적화를 달성할 수 있다.  4. 생성 AI 기반 사출 공정 설계 4.1 생성 AI 기반 사출 공정 설계 시스템의 필요성 현대 제조업에서 플라스틱 사출성형 공정은 자동차, 전자기기, 의료기기, 화장품 용기 등 생활 전반에 필수적인 제품들을 대량 생산하는 핵심 기술이다. 그러나 이 공정의 최적화는 지금까지 주로 숙련된 작업자의 경험과 반복적인 시행착오에 의존해 왔으며, 이는 높은 생산 비용과 불균일한 품질 관리의 주된 원인이 되고 있다. 특히 플라스틱 사출성형은 복잡한 공정 파라미터와 외부 환경 변화에 민감하기 때문에, 전통적인 방식으로는 일관된 품질을 보장하는 것이 어려운 실정이다. 최근 제조업에서는 이러한 문제를 해결하기 위해 인공지능(AI)을 활용한 데이터 기반 접근법이 빠르게 부상하고 있다. AI 기술은 입력 변수(예: 공정 조건, 소재 조성)와 출력 결과(예: 제품 품질)의 복잡한 관계를 효과적으로 학습하고, 실시간으로 공정 조건을 최적화하여 생산성을 높일 수 있는 잠재력을 갖고 있다. 특히 AI 기반의 모델은 기존의 반복적이고 시간 소모적인 실험을 대체할 수 있는 가상 실험 환경으로 기능하여, 공정 최적화 과정의 효율성을 크게 향상시킬 수 있다.하지만 AI 모델이 충분한 성능을 발휘하기 위해서는 고품질의 학습 데이터가 필수적이다. 기존의 무작위 데이터 수집 방식은 입력 변수 공간 내에서 편향된 데이터 분포를 초래할 수 있으며, 이는 AI 모델의 예측 정확도를 저하시킬 수 있다. 따라서 전문가의 도메인 지식과 체계적인 실험설계(Design of Experiment, DOE)를 기반으로 한 데이터 수집이 중요하다.  본 연구는 이러한 DOE 기반 데이터 수집 방법을 활용하여 플라스틱 사출성형 공정의 비효율성과 불균일한 품질 문제를 해결하고자 한다. 구체적으로는 확산(diffusion) 모델을 이용한 자동 공정 조건 추론 시스템을 개발하여, 숙련된 작업자의 경험에 의존하지 않고도 외부 환경 조건 변화에 실시간으로 대응하여 양품을 일관되게 생산할 수 있는 공정 최적화를 목표로 한다. 이를 통해 AI 기반의 사출성형 공정 최적화가 생산성 향상과 품질 안정성 확보에 실질적으로 기여할 수 있음을 검증하고, 제조업 전반에서 데이터 기반 의사결정 시스템 구축의 중요성을 제시하고자 한다. 4.2 양품 공정변수 추천 시스템 개요 그림 7은 사출 공정에서 양품 생산을 위한 최적의 공정변수를 추천하는 시스템의 구성도이다. 시스템은 다음과 같이 데이터 수집, 품질 예측 모델 구축, 공정변수 추천 모델 구축, 실험 검증 단계로 구성된다:  1) 데이터 수집 단계에서는 인공지능을 학습하기 위한 최적의 데이터셋 구성을 목표로 한다. 데이터 수집을 위한 시험대(testbed)는 온·습도 센서, 중앙모니터링시스템(CMS), 비전 검사기를 갖춘 자동화 라인으로 구성된다. 온·습도 센서는 사출기 및 공장 내 환경을 1분 단위로 수집하며, 공정변수 43종 중 작업자가 실제 변경하는 10개 핵심 변수(3단계 속도·압력·위치 각 3개, 보압 시간 1개)를 선별했다. 제품 품질은 내경 허용오차(48.6-48.9㎜) 및 외관 결함(단발·숏샷·용접선)을 기준으로 양품과 불량을 구분하였다. 실험 계획법(Design Of Experiment)을 활용하여 총 2,794개의 실험 데이터를 획득하였으며, 데이터셋은 공정변수 및 환경 변수-품질 데이터로 구성된다. 2) 최적의 대리모델 개발 단계에서는 수집된 데이터셋을 기반으로 공정변수 및 환경 변수로부터 품질을 예측하는 인공지능 모델을 개발한다. 개발된 모델은 사출성형기를 대신하는 가상 실험 장치 역할을 수행한다. 3) 확산과정에서는 주어진 환경 조건에서 양품 생산을 위한 공정변수를 추천하는 확산모델을 구축하고 훈련한다. 4) 가상 실험 단계에서는 훈련된 확산모델로부터 주어진 환경 조건에서의 양품 공정변수들을 추론하고 이를 2)에서 구축한 대리모델로 1차 검증한다. 이로써 양품을 생산하지 않는 것으로 추론되는 공정변수들을 1차적으로 걸러낸다. 5) 실험 검증 단계에서는 정제된 양품 공정변수를 실제 사출기에 입력하여 양품이 나오는지 여부를 판단한다. 이 단계를 통해 구축된 시스템의 현장 적용 가능성을 확인한다. 4.3 대리모델 성능 및 변수중요도 산정 그림 8의 a에서는 구축한 대리모델의 10겹 교차검증 결과, b에서는 구축한 대리모델의 테스트 데이터셋에 대한 예측 성능, c에서는 공정변수와 품질 간의 상관관계 분석(상단 그래프) 및 양품을 생산하는데 각 공정변수의 기여도(하단 그래프)를 나타낸다. 그림 8a는 대리모델의 일반화된 예측 성능을 평가하기 위하여 수행한 10겹 교차검증 결과이다. 정확도 0.990±0.008, AUC 0.964±0.019, 진양성률(TPR, 대리모델이 실제로 불량인 데이터를 정확히 불량이라고 예측한 비율) 0.927±0.066, 진음성률(TNR, 대리모델이 실제로 양품인 데이터를 정확히 양품이라고 예측한 비율) 0.995±0.006으로 4개의 성능지표 모두에서 92% 이상의 예측 성능을 보이며 대리모델의 우수한 예측 성능을 나타낸다. 양품과 불량에 대한 각각의 예측 성능 또한 높은 정확도를 보이며, 균형 잡힌 예측 성능을 보인다.  그림 8b는 대리모델의 테스트 데이터에 대한 예측 성능을 보여준다. 양품 클래스 259개 중 1개를 틀리고, 불량 클래스 21개 중 1개를 틀리는 결과를 보여주며 우수한 예측 성능을 입증한다. 이로써, 구축한 대리모델이 사출성형기를 대신할 수 있는 가상실험기 역할을 할 수 있음을 보인다. 그림 8c의 상단 그래프는 공정변수와 품질 간의 상관관계를 보여주는 그래프이다. 예를 들어, 사출 속도3은 값이 작아질수록 불량일 가능성이 높음을 의미하며, 사출 위치2는 값이 커질수록 양품일 가능성이 높음을 의미한다. 해당 분석 결과는 사출 업자에게 공정변수 조절에 대한 가이드 라인을 줄 수 있다. 그림 8c의 하단 그래프는 양품 생산에 대한 각 공정변수의 기여도를 보여준다. 상단에 있는 공정변수일수록 양품을 생산하는 데 중요한 역할을 한다. 해당 분석 결과는 불량이 발생했을 때 조절할 수 있는 다양한 공정변수 중 어떤 공정변수를 먼저 조절해야 할지에 대한 가이드 라인을 줄 수 있다. 4.4 양품 공정변수 추론모델의 성능 비교  그림 9는 세 가지 인공지능 모델이 생성한 양품 공정변수들을 구축된 대리모델에 입력하여 가상 실험을 한 결과를 보여준다. “오차 맵” 열을 통해 각 인공지능 모델의 오차를 정성적으로 확인할 수 있으며, “혼동 행렬” 열을 통해 오차의 정량적인 평가까지 확인할 수 있다. 세 가지 양품 공정변수 추론모델 중에서 CFGDM(Classifier-Free Guidance Diffusion Model, 분류기 비 의존도 유도 확산모델)이 가장 적은 오차를 보여줬으며, 양품 공정변수 추론모델로써 가장 신뢰도 있는 모델임을 확인하였다. 4.5 양품 공정변수 추론모델의 실험 검증  그림 10은 주어진 환경 조건과 품질 조건에 대해 공정변수 추론모델(CFGDM 모델)이 제안한 공정변수를 실제 사출기에 입력했을 때 나온 제품의 품질 결과이다. 4번의 실험을 진행하였으며, 그림 10a는 현재 환경 조건에서 양품을 생산하는 공정변수들을 추론해달라고 했을 때, 그림 10b는 현재 환경 조건에서 불량을 생산하는 공정변수들을 추론해달라고 했을 때 나온 공정변수들을 실제 사출기에 입력하여 품질을 확인하였다.  그림 10a에서는 CFGDM 모델에 의해 추론된 양품 공정변수 중 2개만이 불량품을 생산하는 결과를 보인다. 불량이 나온 두 개의 공정변수를 구축된 대리모델에 입력해 보면, 양품일 확률이 각각 96.9%, 98.5%가 나오며 이 값들은 다른 양품 공정변수들의 양품일 확률과 비교했을 때 다소 낮은 값을 보여준다. 이는 사용자가 99% 이상의 확률을 가진 공정변수만 선택해 사용함으로써 신뢰성을 높일 수 있음을 시사한다. 그림 10b에서는 CFGDM 모델에 의해 추론된 불량 공정변수가 모두 불량품을 생산하는 결과를 보인다. 이 결과는 모델의 신뢰성을 확인하기 위한 절차로써, CFGDM 모델이 적절히 훈련되어 높은 신뢰성을 갖음을 보여준다. 5. 강화학습 기반 공정 제어 5.1 강화학습 기반 실시간 공정변수 최적화의 필요성 플라스틱 사출성형 공정은 다양한 제품에 대해 고품질을 유지하면서도 높은 생산성과 경제성을 동시에 달성해야 하는 복잡한 제조 과정이다. 특히, 공정변수(예: 압력, 속도, 온도 등)는 제품 품질뿐 아니라 생산 주기, 전력 소비, 금형 마모 등 생산 비용에 직결되므로 정밀한 제어가 필수적이다. 그러나 기존의 공정변수 설정은 대부분 품질 확보에 초점을 맞추고 있어, 전력 요금이나 원재료 가격처럼 시간 및 환경에 따라 변화하는 비용 요인을 반영하지 못한다. 이에 따라 제품은 양호하더라도 생산 효율성과 수익성 측면에서는 최적화되지 않는 문제가 발생한다. 심층 강화학습(Deep Reinforcement Learning, DRL)은 이러한 문제에 대응하기 위한 효과적인 접근법을 제공한다. DRL은 환경으로부터의 피드백을 통해 최적 정책을 학습할 수 있어, 공정 조건뿐 아니라 실시간으로 변동하는 전력 요금, 온도 및 습도 등 외부 요인까지 반영한 공정변수 제어가 가능하다. 이를 통해 기존에 고정된 최적화 방식이 갖는 한계를 극복하고, 제품 품질을 유지하면서도 전력 및 금형 비용을 최소화하는 방향으로 실시간 공정 조정을 수행할 수 있다. 특히, DRL 기반 의사결정 모델은 학습이 완료된 이후 매우 짧은 시간 내에 최적 조건을 산출할 수 있어, 실제 산업 현장에서 실시간적용이 가능하다는 점에서 높은 활용 가능성을 가진다.5.2 강화학습 기반 실시간 공정변수 최적화 프레임워크의 전체 구조 개요 그림 11은 심층 강화학습을 활용하여 환경 변화에 따라 실시간으로 공정변수를 최적화하는 의사결정 구조를 나타낸다. 해당 구조에서는 학습된 에이전트가 대리모델을 기반으로 품질과 비용 요소를 동시에 고려하며 공정 조건을 최적화한다. 먼저 데이터 수집 단계에서는 실제 사출성형 공정에서 수집된 데이터를 바탕으로 오프라인 심층 강화학습을 위한 대리모델 학습용 데이터셋을 구축한다. 수집된 데이터는 공정변수 43종 중 실제 현장 작업자가 조작할 수 있는 10개의 핵심 변수, 사출기 및 공장 내 온도·습도 등의 환경 변수, 내경 기준과 외관 결함에 따른 양품 또는 불량 여부로 구성된 품질 정보, 그리고 생산 시간을 나타내는 사이클 타임 등으로 구성된다. 실험 계획법을 활용하여 총 2,794개의 실험 데이터를 확보하였으며, 구축된 데이터셋은 공정변수와 환경 변수, 품질 정보, 사이클 타임으로 구성되어 있다. 이후 심층 강화학습 기반의 의사결정 모델 학습 단계에서는 앞서 수집된 학습 데이터를 활용하여 품질 분류 및 사이클 타임 예측을 위한 대리모델을 학습한다. 이 대리모델은 강화학습 에이전트가 상호 작용하는 가상 사출성형 환경으로 활용되며, 에이전트는 PPO(Proximal Policy Optimization) 및 SAC(Soft Actor-Critic) 알고리즘을 통해 온도, 습도 등 환경 변수의 변화에 유연하게 대응할 수 있도록 공정변수 조정 정책을 학습한다.  마지막으로 실시간 최적화 단계에서는 학습된 강화학습 에이전트를 실제 생산 환경에 배치하여, 온도, 습도, 전력 단가 등 외부 조건을 실시간으로 반영하면서 공정변수를 조정한다. 이를 통해 양품 생산을 안정적으로 유지함과 동시에 에너지 및 생산 비용을 절감하고, 궁극적으로는 공정의 수익성을 극대화할 수 있다. 5.3 강화학습 기반 실시간 공정변수 최적화 방법의 수익성 및 계산 시간 비교  그림 12는 계절에 따른 환경 변수와 전력 요금의 변화를 시각화하고, PPO, SAC 기반 의사결정 모델과 Genetic Algorithm(GA) 기반 최적화 기법을 실제 생산 환경에 적용했을 때의 수익성과 계산 시간을 비교한 결과를 보여준다. 그림 12(a)~(c)는 사출성형 공정에 영향을 미치는 계절별 온도 변화와 시간대별 전력 요금 변화를 시각적으로 나타낸 것이다. 이러한 외부 조건은 생산 단가, 품질 안정성, 에너지 소비에 직접적인 영향을 주며, 공정 최적화 시 반드시 고려되어야 할 요소이다. 강화학습 기반의 에이전트는 이와 같은 환경 변화에 대응할 수 있도록 학습되며, 외부 조건을 실시간으로 반영해 최적의 공정 조건을 결정할 수 있도록 설계되었다. 그림 12(d)는 사전에 학습된 PPO, SAC 의사결정 모델과 GA 최적화 기법을 동일한 환경에 적용하여 수익성과 계산 시간을 비교한 결과를 나타낸다. 실험 결과, PPO와 SAC는 GA와 유사한 수준의 수익성을 유지하면서도, 계산 시간 측면에서는 GA 대비 수십 배 이상 빠른 처리 속도를 보여주었다. 특히 SAC는 환경 변화에 대한 적응력과 안정적인 성능을 바탕으로 보다 일관된 결과를 제공했으며, 실시간 공정 제어에 적합한 특성을 확인할 수 있었다. 반면 GA는 탐색 성능은 우수하였으나 반복적인 연산이 요구되어 계산 시간이 길고, 실시간적용에는 한계가 있는 것으로 나타났다. 이러한 비교 결과는 강화학습 기반 의사결정 모델이 실제 생산 환경에서 환경 조건 변화에 즉각적으로 대응할 수 있으며, 계산 효율성까지 확보할 수 있다는 점에서 기존 최적화 기법보다 우수한 대안임을 보여준다. 특히 실시간 제어와 운영 효율성이 중요한 제조 현장에서, PPO와 SAC는 수익성과 속도 두 측면에서 균형 잡힌 성능을 제공하며, 향후 공정 자동화 및 지능형 운영 시스템에 효과적으로 활용될 수 있을 것으로 기대된다. 6. LLM 기반 사출 공정 구동 UI 6.1 LLM 기반 사출성형 지식 전이 시스템의 필요성 사출성형은 고정밀 플라스틱 부품을 대량 생산하는 대표적인 제조 방식으로, 다양한 산업에서 핵심적인 생산 공정으로 자리 잡고 있다. 특히, 고 다품종 소량 생산(high-mix, low-volume)이 일반화되면서, 생산 조건의 복잡성과 외부 환경 변화에 따라 작업자들의 고도 현장 지식이 필수적으로 요구되고 있다. 현재까지의 사출성형 공정은 숙련자의 경험에 기반한 수작업 판단에 크게 의존하고 있으며, 재료 특성, 금형 상태, 장비 세팅 등 다양한 변수가 제품 품질에 직접적으로 영향을 미친다. 기존의 지식 전이 방식은 문제별 규칙 정리, 고장 대응 매뉴얼 작성, 숙련자-비숙련자 간 도제식 교육 모델에 기반해 왔으나, 최근 고령화와 신규 인력 유입 감소로 인해 산업 현장의 노하우 단절이 심화되고 있다. 특히 다국적 생산 환경에서는 언어 장벽 또한 지식 공유를 어렵게 만들고 있으며, 이에 따라 생산 품질 저하와 효율성 저하로 이어지는 사례가 증가하고 있다. 따라서, 숙련자의 암묵지를 체계적으로 문서화하고, 다양한 언어와 숙련도 수준의 작업자 간 원활한 소통이 가능한 지능형 지식 전이 시스템의 구축이 요구되고 있다. 6.2 LLM의 산업 적용 발전 현황 최근 대규모 언어 모델(Large Language Models, LLM)의 비약적인 발전은 자연어 추론, 문제 해결, 맥락 기반 판단 등에서 인간 수준의 성능을 보이며, 다양한 산업 분야에서 응용 가능성을 보여주고 있다. 특히, Chain-of-Thought prompting, In-context learning과 같은 기술은 모델 파라미터를 수정하지 않고도 복잡한 문제를 단계적으로 해석하고, 제한된 예시만으로도 유의미한 판단을 수행할 수 있도록 한다. 하지만 일반적인 프롬프트 기반 LLM은 특정 산업 도메인에 대한 이해가 부족하고, 비사실적 내용(hallucination)을 생성하는 한계가 존재한다. 이러한 한계를 극복하기 위해, 특정 태스크에 맞춘 파인튜닝(fine-tuning), 외부 지식 기반 정보를 동적으로 삽입하는 검색 기반 생성(Retrieval-Augmented Generation, RAG), 그리고 도구 기반 LLM 에이전트(agent)의 개발이 활발히 이루어지고 있다. 최근에는 다중 LLM 에이전트가 역할을 분담하고 상호 협력하여 복잡한 작업을 수행하는 멀티 에이전트 프레임 워크로 발전하고 있으며, 이는 제조 현장에 요구되는 유연하고 상황 적응적인 AI 시스템 구현에 적합한 방식으로 주목받고 있다. 6.3 LLM 기반 사출성형 지식 전이 프레임 워크의 전체 구조 개요 본 연구에서는 복잡한 사출성형 현장 지식 전이를 위한 멀티 에이전트 LLM 기반 프레임 워크를 제안한다. 그림 13과 같이 본 프레임 워크는 다양한 도구(tool)와 지식 소스를 연동한 다중 LLM 에이전트 시스템으로 구성되며, 입력된 작업자의 업무를 처리하기 위해 계획–수행–평가의 단계를 통해 자율적으로 응답을 생성한다.   구체적으로, 작업자의 질의가 입력되면, 시스템은 과거 대화 기록을 참조하여 맥락 정보를 재구성하고, 번역 및 분류를 입력 처리한다. 이후, 사출성형 관련 질의는 “계획-실행 워크플로”에 따라 순차적으로 해결되며, 이를 위해 다음의 네 가지 도구들이 사용된다: (1) 인터넷 검색 모듈, (2) 고장 대응 테이블 검색기, (3) 제조 메뉴얼 검색기, (4) 디퓨전 모델. 이 중 (2)~(3)은 제한된 정적 지식 기반을 활용하는 반면, (4)는 현장 데이터를 기반으로 공정 조건을 정량적으로 생성한다. 사출성형과 관련이 없는 업무의 경우에는 계산의 자원을 아끼고, 빠른 답변을 위해서 계획 및 실행을 건너뛰고, 하나의 에이전트(ReAct 에이전트)가 추론 및 인터넷 검색을 진행하여 답변하는 방식으로 답변을 생성한다. 이러한 구조는 제한된 도메인 지식과 풍부한 실측 데이터 기반 문제에 각각 대응할 수 있는 동시에, 일상적으로 어렵지 않는 문제에 대해서는 빠른 답변을 가능하게 한다. 마지막으로, 사용자의 질의는 다국어로 입력될 수 있고, 최종 응답은 해당 언어로 자동 번역되어 반환된다.  
취재부 2025-09-02